Tag: 混合模型

具有交叉重复效应和AR1协方差结构的线性混合模型，

我有内部学科的生理数据（ part ），他们都在三轮（ round ）上看了刺激（阅读报纸），每篇都有5篇论文（ paper ），每个论文都有不同的访问次数） 在报纸上。 我有两个固定因子（ CONDhier和CONDabund ）加上相互作用来预测生理状态（如EDA ），这通常是自回归的。 我尝试考虑生理学随机效应的个体差异（让我们只为了现在的拦截而定下），也许还有另外一个随机效应的轮次疲劳。 因此，我想在R中运行的模型是SPSS中的： MIXED EDA BY CONDhier CONDabund /FIXED=CONDhier CONDabund CONDhier*CONDabund | SSTYPE(3) /RANDOM=INTERCEPT | SUBJECT(part) COVTYPE(VC) /RANDOM=INTERCEPT | SUBJECT(part*round) COVTYPE(VC) /PRINT=SOLUTION /METHOD=REML /REPEATED=visit | SUBJECT(part*round*paper) COVTYPE(AR1). 现在，我已经理解，虽然lme不能很好地交叉条件， lmer （处理交叉项没有问题）不能使用不同的协方差结构。 我可以运行简单的lme模型，比如 lme(EDA ~ factor(CONDhier) * factor(CONDabund), random= ~1 |part, na.action=na.exclude, data=phys2) 但更复杂的模型是超越我的。 我已经读过，在lme中的交叉项可以用随机的定义来完成 random=pdBlocked(list(pdCompSymm(~part), […]

用先前的估计值重新开始混合效应模型估计

我使用包lme4 lmer()来估计混合效果模型。 这个效果很好，但是现在我想运行估计过程进行固定次数的迭代，然后通过指定最后估计过程计算的开始值来恢复过程。 根据?lmer的帮助，这是可能的，通过设定参数： start – 这些是新的起始值，根据帮助，可以从一个拟合模型中提取ST的值，并使用这些值，即使用x@ST maxiter – 作为control的命名参数提供 所以，举个例子，假设我想用iris数据来适应lme ，可以试试这个： library(lme4) # Fit model with limited number of iterations frm <- "Sepal.Length ~ Sepal.Width | Species" x <- lmer(frm, data=iris, verbose=TRUE, control=list(maxIter=1), model=FALSE) # Capture starting values for next set of iterations start <- list(ST=x@ST) # Update model twoStep <- lmer(frm, data=iris, verbose=TRUE, […]