从混合效应模型中提取案例的斜率 (lme4)

机器算法验证 r 混合模式
2022-01-18 00:45:14

我想提取混合效应模型中每个人的斜率，如下一段所述

混合效应模型用于表征认知总结测量中的个体变化路径，包括作为固定效应的年龄、性别和教育年限（Laird and Ware, 1982; Wilson et al., 2000, 2002c）... . 在对年龄、性别和教育的影响进行调整后，从混合模型中提取了残余的个体认知下降斜率项。然后将特定于人的调整残差斜率用作遗传关联分析的定量结果表型。这些估计值等于个人斜率与相同年龄、性别和教育水平的个人的预测斜率之间的差异。

De Jager, PL, Shulman, JM, Chibnik, LB, Keenan, BT, Raj, T., Wilson, RS 等。（2012）。对影响与年龄相关的认知衰退率的常见变异进行全基因组扫描。衰老的神经生物学，33（5），1017.e1–1017.e15。

我已经研究过使用该coef函数来提取每个人的系数，但我不确定这是否是正确的使用方法。

任何人都可以就如何做到这一点提供一些建议吗？

#example R code 
library(lme4)
attach(sleepstudy)  
fml <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
beta <- coef(fml)$Subject
colnames(beta) <- c("Intercept", "Slope")
beta

summary(beta)
summary(fm1)
1个回答

该模型：

library(lme4)
data(sleepstudy)
fm1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)

该函数coef是提取个体差异的正确方法。

> coef(fm1)$Subject
    (Intercept)       Days
308    253.6637 19.6662581
309    211.0065  1.8475834
310    212.4449  5.0184067
330    275.0956  5.6529540
331    273.6653  7.3973908
332    260.4446 10.1951151
333    268.2455 10.2436611
334    244.1725 11.5418622
335    251.0714 -0.2848735
337    286.2955 19.0955694
349    226.1950 11.6407008
350    238.3351 17.0814915
351    255.9829  7.4520286
352    272.2687 14.0032989
369    254.6806 11.3395025
370    225.7922 15.2897513
371    252.2121  9.4791308
372    263.7196 11.7513155

这些值是固定效应和方差分量（随机效应）的组合。您可以使用summary和coef来获得固定效应的系数。

> coef(summary(fm1))[ , "Estimate"]
(Intercept)        Days 
  251.40510    10.46729

截距为 251.4，斜率（与 相关Days）为 10.4。这些系数是所有科目的平均值。要获得随机效果，您可以使用ranef.

> ranef(fm1)$Subject
    (Intercept)        Days
308   2.2585637   9.1989722
309 -40.3985802  -8.6197026
310 -38.9602496  -5.4488792
330  23.6905025  -4.8143320
331  22.2602062  -3.0698952
332   9.0395271  -0.2721709
333  16.8404333  -0.2236248
334  -7.2325803   1.0745763
335  -0.3336936 -10.7521594
337  34.8903534   8.6282835
349 -25.2101138   1.1734148
350 -13.0699598   6.6142055
351   4.5778364  -3.0152574
352  20.8635944   3.5360130
369   3.2754532   0.8722166
370 -25.6128737   4.8224653
371   0.8070401  -0.9881551
372  12.3145406   1.2840295

这些值是受试者的方差分量。每行对应一个主题。本质上，每列的平均值为零，因为这些值对应于与固定效应相关的差异。

> colMeans(ranef(fm1)$Subject)
  (Intercept)          Days 
 4.092529e-13 -2.000283e-13

请注意，这些值等于零，偏差是由于浮点数表示的不精确造成的。

的结果是coef(fm1)$Subject将固定效应纳入随机效应，即在随机效应中加入固定效应系数。结果是单独的截距和斜率。

其它你可能感兴趣的问题
上一篇为什么 F 检验对正态假设如此敏感？ 下一篇不同样本量下 p 值的相对大小