2线性模型 r语言_R语言 线性混合效应模型实战案例

原文链接：

R语言线性混合效应模型实战案例​tecdat.cn

介绍

处理分组数据和复杂层次结构的分析师，从嵌入在参与者中的测量，嵌套在州内的县或嵌套在教室内的学生，经常发现他们需要建模工具来反映他们数据的这种结构。在R中，有两种主要的方法来拟合多级模型，这些模型考虑了数据中的这种结构。这些教程将向用户展示如何使用lme4R中的包来拟合线性和非线性混合效果模型，以及如何使用rstan以完全适合贝叶斯多级模型。这里的重点是如何使模型适合R而不是模型背后的理论。有关多级建模的背景知识，请参阅参考资料。

本教程将介绍如何lme4 设置和运行一些基本模型，其中包括：

• 在R中构造变化的截距，变化的斜率以及变化的斜率和截距模型
• 从混合效应模型中生成预测和解释参数
• 广义和非线性多层次模型
• 完全贝叶斯多级模型适合rstan或其他MCMC方法

设置 环境

在R中开始多级建模很简单。lme4是在R中实现多级模型的规范包，尽管有许多包依赖并增强其功能集，包括贝叶斯扩展。lme4 最近已被重写以提高速度并整合C ++代码库，因此封装的功能有些不断变化。

要安装lme4，我们只需运行：

# Main version
install.packages("lme4")

# Or to install the dev version
library(devtools)
install_github("lme4", user = "lme4")

读入数据

多级模型适用于特定类型的数据结构，其中单元嵌套在组内（通常为5个以上组），并且我们希望对数据的组结构进行建模。对于我们的介绍性示例，我们将从lme4文档中的一个简单示例开始，并解释模型正在执行的操作。

library(lme4)  # load library
library(arm)  # convenience functions for regression in R
  # summary(lmm.data)
head(lmm.data)

##   id extro  open agree social class school
## 1  1 63.69 43.43 38.03  75.06     d     IV
## 2  2 69.48 46.87 31.49  98.13     a     VI
## 3  3 79.74 32.27 40.21 116.34     d     VI
## 4  4 62.97 44.41 30.51  90.47     c     IV
## 5  5 64.25 36.86 37.44  98.52     d     IV
## 6  6 50.97 46.26 38.83  75.22     d      I

模型

让我们首先拟合一个简单的OLS回归 。

OLSexamp <- lm(extro ~ open + agree + social, data = lmm.data)
display(OLSexamp)

## lm(formula = extro ~ open + agree + social, data = lmm.data)
##             coef.est coef.se
## (Intercept) 57.84     3.15  
## open         0.02     0.05  
## agree        0.03     0.05  
## social       0.01     0.02  
## ---
## n = 1200, k = 4
## residual sd = 9.34, R-Squared = 0.00

R模型接口非常简单，首先指定因变量，然后是 ~符号。右手边，预测变量，每个都被命名。加法符号表明这些被建模为加性效应。最后，我们指定要计算模型的数据帧。这里我们使用该lm函数执行OLS回归，但R中还有许多其他选项。

如果我们想要提取诸如AIC之类的度量 。

MLexamp <- glm(extro ~ open + agree + social, data = lmm.data)
display(MLexamp)

## glm(formula = extro ~ open + agree + social, data = lmm.data)
##             coef.est coef.se
## (Intercept) 57.84     3.15  
## open         0.02     0.05  
## agree        0.03     0.05  
## social