Как построить случайный перехват и наклон в смешанной модели с несколькими предикторами?

можно ли построить случайный перехват или наклон смешанной модели, когда она имеет более одного предиктора?

С одним предиктором, я бы сделал так:

#generate one response, two predictors and one factor (random effect)
resp<-runif(100,1, 100)
pred1<-c(resp[1:50]+rnorm(50, -10, 10),resp[1:50]+rnorm(50, 20, 5))
pred2<-resp+rnorm(100, -10, 10)
RF1<-gl(2, 50)

#gamm
library(mgcv)
mod<-gamm(resp ~ pred1, random=list(RF1=~1))
plot(pred1, resp, type="n")
for (i in ranef(mod$lme)[[1]]) {
abline(fixef(mod$lme)[1]+i, fixef(mod$lme)[2])
}

#lmer
library(lme4)
mod<-lmer(resp ~ pred1 + (1|RF1))
plot(pred1, resp, type="n")
for (i in ranef(mod)[[1]][,1]) {
abline(fixef(mod)[1]+i, fixef(mod)[2])
}

но что, если у меня есть такая модель?:

mod<-gamm(resp ~ pred1 + pred2, random=list(RF1=~1))

или с lmer

mod<-lmer(resp ~ pred1 + pred2 + (1|RF1))

должен ли я рассматривать все коэффициенты или только те из переменных, которые я строю?

спасибо

6
lmer mixed-models plot r random-effects

1 ответов

## generate one response, two predictors and one factor (random effect)
set.seed(101)
resp <- runif(100,1,100)
pred1<- rnorm(100, 
           mean=rep(resp[1:50],2)+rep(c(-10,20),each=50),
           sd=rep(c(10,5),each=50))
pred2<- rnorm(100, resp-10, 10)

Примечание что вы, вероятно, следует не пытается соответствовать случайному эффект для переменной группировки только с двумя уровнями -- это будет почти неизменно приводят к оцененной дисперсии случайного эффекта нуля, что, в свою очередь, положит ваши предсказанные линии прямо поверх каждого другое - я переключаюсь с gl(2,50) до gl(10,10) ...

RF1<-gl(10,10)
d <- data.frame(resp,pred1,pred2,RF1)

#lmer
library(lme4)
mod <- lmer(resp ~ pred1 + pred2 + (1|RF1),data=d)

версия развития lme4 есть

4