Tag: mixed-models
Programmierung Probleme im Zusammenhang mit der Analyse von statistischen Modellen mit random-effects-Bedingungen, auch vielfältig: wiederholt Maßnahmen, hierarchische, Mehrebenen-Modelle
Verstehen Sie Warnmeldungen für gemischten Modell in r lme4
1 Antworten
Habe ich gebaut und führen ein mixed-effects logistic regression-Modell, in dem lme4-Paket für r die Schätzung der Wahrscheinlichkeit der Belegung der Fische in den verschiedenen Orten (Zellen/Lebensräume). Der Daten-frame besteht aus 1,207,140 Beobachtungen von 68 einzelnen Fisch.
Rückwärts Auswahl in LME, Singularität in backsolve aufgetreten
1 Antworten
Habe ich Daten, wo "speed of flight" ist ein response-variable und group (experimental/Kontrolle) test (erste/zweite), FL (heizmaterial, % von lean-body-mass -: 0 ~25%), wing (Flügel-Länge in mm). Da haben wir auch getestet, gleiche Vögel zweimal (erste und
Bekommen 95% - Konfidenzintervall mit glm(..) in R
2 Antworten
Hier sind einige Daten dat = data.frame(y = c(9,7,7,7,5,6,4,6,3,5,1,5), x = c(1,1,2,2,3,3,4,4,5,5,6,6), color = rep(c('a','b'),6)) und der plot dieser Daten, wenn Sie es wünschen require(ggplot) ggplot(dat, aes(x=x,y=y, color=color)) + geom_point() + geom_smooth(method='lm') Wenn ein Modell mit der
Wie generieren Sie einen plot der Residuen versus Prädiktor-variable für ein gemischtes Modell?
1 Antworten
Meine gemischten Modell ist wie folgt: model <- lme(Cost~1+Units, random=~1+Units|Factory, method="ML", data=A) Mir wurde gesagt ich solle den code unten, um plot-Residuen gegen fitted Werte und es hat geklappt: plot(fitted(model), resid(model)) Jedoch zeigte es mir eine Fehlermeldung,
lmer-Fehler: Gruppierung Faktor muss sein, < Anzahl der Beobachtungen
2 Antworten
Ich bin versucht, eine mixed-Effekt-Modell auf einige Daten, sondern kämpfen Sie mit einer von der fixen Effekte, ich denke in Erster Linie, da es ein Faktor?! Beispieldaten: data4<-structure(list(code = structure(1:10, .Label = c("10888", "10889", "10890", "10891", "10892",
R: Interaction Plot mit einer kontinuierlichen und einer kategorischen Variablen für ein GLMM (lme4)
3 Antworten
Ich würde gern eine Interaktion Grundstück visuelle Darstellung der Differenz oder ähnlichkeit, hängen von Interaktionen einer kategorialen variable (4 Stufen) und einer standardisierten kontinuierlichen Variablen aus den Ergebnissen eines Regressionsmodells. with(GLMModel, interaction.plot(continuous.var, categorical.var, response.var)) Ist nicht das,
Wie der Vergleich zwischen einem Modell ohne random-effects Modell mit einem random-Effekt mit lme4?
1 Antworten
Kann ich verwenden gls() aus dem nlme-Paket zu bauen mod1 ohne random-Effekte. Ich kann dann vergleichen mod1 mit AIC mod2 gebaut mit lme (), die nicht eine zufällige Wirkung. mod1 = gls(response ~ fixed1 + fixed2, method="REML",
lme4::lmer-Berichte "fixed-effect model matrix Rang mangelhaft", brauche ich ein Update und wie?
2 Antworten
Ich versuche zu laufen, ein mixed-effects-Modell, das vorhersagt F2_difference mit dem rest der Spalten als Prädiktoren, aber ich bekomme eine Fehlermeldung, die sagt fixed-Effekt-Modell der matrix Reihe mangelhaft, so fallen 7 Spalten /Koeffizienten. Unter diesem link, Fixed-effects-Modell
Wie man die Koeffizienten und deren Konfidenzintervalle in mixed-effects-Modelle?
5 Antworten
In lm und glm Modelle, ich benutze Funktionen coef und confint um das Ziel zu erreichen: m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous coef(m) confint(m) Ich jetzt Hinzugefügt random-Effekt -
Extrahiere Vorhersage-Band von lme fit
1 Antworten
Habe ich folgende Modell x <- rep(seq(0, 100, by=1), 10) y <- 15 + 2*rnorm(1010, 10, 4)*x + rnorm(1010, 20, 100) id <- NULL for(i in 1:10){ id <- c(id, rep(i,101)) } dtfr <- data.frame(x=x,y=y, id=id) library(nlme)