Подтвердить что ты не робот

Линейная смешанная модель со скрещенными повторяющимися эффектами и структура ковариации AR1, в R

У меня есть субъективные физиологические данные от участников (part), которые все смотрели на стимулы (чтение газет) на три раунда (round), каждая из которых имеет пять работ (paper) и внутри каждый из них имеет переменное количество посещений (visit) в газете. У меня есть два фиксированных фактора (CONDhier и CONDabund) плюс взаимодействие для прогнозирования физиологического состояния (например, EDA), которое обычно является авторегрессивным. Я стараюсь учитывать индивидуальные различия в физиологии со случайными эффектами (пусть поселится только для перехвата) и, возможно, усталость над раундами с другим случайным эффектом.

Таким образом, моя модель, которую я хотел бы запустить в R, будет в SPSS:

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).

Теперь я понял, что в то время как lme не имеет скрещенных слагаемых хорошо, lmer (который обрабатывает скрещенные термины без проблем) не может использовать разные структуры ковариации. Я могу запускать простые модели lme, такие как

    lme(EDA ~ factor(CONDhier) * factor(CONDabund), random= ~1
   |part, na.action=na.exclude, data=phys2)

но более сложная модель находится вне меня. Я читал, что скрещенные члены в lme могут быть сделаны со случайными определениями типа

    random=pdBlocked(list(pdCompSymm(~part), pdCompSymm(~round-1), pdCompSymm(~paper-1), 
pdCompSymm(~visit-1)))

но, похоже, блокирует структуру AR1 и второй случайный перехват для части * round, от меня. И я не уверен, что это так же, как и мой синтаксис SPSS.

Итак, какие-нибудь советы? Хотя в lme и lmer есть много разных публикаций, я не мог найти тот, у которого были бы скрещенные термины и AR1.

(Кроме того, синтаксис lme кажется довольно неясным: из нескольких разных источников я понял, что | группы, что слева от того, что справа, что/делает вложенные члены, что ~ 1 является случайным перехватом, ~ x - это случайный наклон, а ~ 1 + x - оба, но, по-видимому, есть определения по крайней мере: и -1, которые я не смог найти нигде. Есть ли учебник, который объяснял бы все разные определения?)

4b9b3361

Ответ 1

Рассмотрим пакет R MCMCglmm, который позволяет создавать сложные модели смешанных эффектов.

https://cran.r-project.org/web/packages/MCMCglmm/vignettes/CourseNotes.pdf

Хотя это может быть сложно реализовать, он может решить проблемы, которые у вас были. Он позволяет задавать формулы фиксированного и случайного эффектов отдельно, например.

fixed <- formula(EDA ~ CONDhier * CONDabund)
rand <- formula( ~(us(1+ CONDhier):part + us(1+ CONDhier):round + us(1+ CONDhier):paper + us(1+ CONDhier):visit))

Структура ковариации между случайными эффектами дается как коэффициенты, которые можно исследовать с помощью summary() объекта MCMCglmm после запуска модели.