Veuillez considérer ces données: dt.m <- structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12), occasion = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("g1", "g2"), class =...
J'essaie d'utiliser à lmepartir du nlmepackage pour répliquer les résultats des aovANOVA à mesures répétées. Je l'ai fait pour une expérience de mesures répétées à un facteur et pour une expérience à deux facteurs avec un facteur inter-sujets et un facteur intra-sujets, mais j'ai du mal à le faire...
J'ai un GLMM avec une distribution binomiale et une fonction de lien logit et j'ai le sentiment qu'un aspect important des données n'est pas bien représenté dans le modèle. Pour tester cela, je voudrais savoir si les données sont bien décrites par une fonction linéaire sur l'échelle logit. Par...
Il y a une distinction qui me fait trébucher avec des modèles mixtes, et je me demande si je pourrais obtenir une certaine clarté. Supposons que vous ayez un modèle mixte de données de comptage. Il y a une variable que vous voulez comme effet fixe (A) et une autre variable pour le temps (T),...
Supposons que nous travaillons sur un modèle à effets aléatoires de certaines données de comptage au fil du temps, et que nous voulons contrôler certaines tendances. Normalement, vous feriez quelque chose comme: lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") pour inclure une...
Considérez les données suivantes à partir d'une conception bidirectionnelle des sujets: df <- "http://personality-project.org/r/datasets/R.appendix4.data" df <- read.table(df,header=T) head(df) Observation Subject Task Valence Recall 1 1 Jim Free Neg 8 2 2 Jim Free Neu 9 3 3 Jim Free Pos 5 4...
Disons que nous devons les GLMM mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) Ces modèles ne sont pas imbriqués dans le sens habituel de: a <- glmer(y ~ x + A + (1|g), data = dat) b <- glmer(y ~ x + A + B + (1|g), data = dat) donc nous ne...
Voici ma trame de données: Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <-...
Contexte: Remarque: mon ensemble de données et mon code r sont inclus sous le texte Je souhaite utiliser AIC pour comparer deux modèles d'effets mixtes générés à l'aide du package lme4 dans R. Chaque modèle a un effet fixe et un effet aléatoire. L'effet fixe diffère selon les modèles, mais l'effet...
Je sais que l'un des avantages des modèles mixtes est qu'ils permettent de spécifier une matrice variance-covariance pour les données (symétrie composée, autorégressive, non structurée, etc.) Cependant, la lmerfonction en R ne permet pas de spécifier facilement cette matrice. Est-ce que quelqu'un...
Je comprends que nous utilisons des modèles à effets aléatoires (ou à effets mixtes) lorsque nous pensons que certains paramètres du modèle varient de façon aléatoire selon un facteur de regroupement. J'ai le désir d'adapter un modèle où la réponse a été normalisée et centrée (pas parfaitement,...
J'ai des données de patients traités avec 2 types de traitements différents pendant la chirurgie. J'ai besoin d'analyser son effet sur la fréquence cardiaque. La mesure de la fréquence cardiaque est prise toutes les 15 minutes. Étant donné que la durée de la chirurgie peut être différente pour...
J'ai utilisé le MCMCglmmpackage récemment. Je suis confus par ce que l'on appelle dans la documentation structure R et structure G. Ceux-ci semblent se rapporter aux effets aléatoires - en particulier en spécifiant les paramètres de la distribution antérieure sur eux, mais la discussion dans la...
Formules de modèle en R telles que y ~ x + a*b + c:d sont basées sur la notation dite de Wilkinson : Wilkinson et Rogers 1973, Description symbolique des modèles factoriels pour l'analyse de la variance . Cet article n'a pas discuté des notations pour les modèles mixtes (qui n'existaient peut-être...
J'ai du mal à comprendre la sortie de mon lmer()modèle. Il s'agit d'un modèle simple d'une variable de résultat (prise en charge) avec différentes interceptions d'état / effets aléatoires d'état: mlm1 <- lmer(Support ~ (1 | State)) Les résultats de summary(mlm1)sont: Linear mixed model fit by...
Dans mon étude, je mesurerai la charge de travail avec plusieurs mesures. Avec variabilité de la fréquence cardiaque (VRC), activité électrodermique (EDA) et avec une échelle subjective (IWS). Après normalisation, l'IWS a trois valeurs: Charge de travail inférieure à la normale La charge de travail...
Disons que nous avons un modèle mod <- Y ~ X*Condition + (X*Condition|subject) # Y = logit variable # X = continuous variable # Condition = values A and B, dummy coded; the design is repeated # so all participants go through both Conditions # subject = random effects for different subjects...
J'utilise la glmerfonction du lme4package dans R, et j'utilise l' bobyqaoptimiseur (c'est-à-dire la valeur par défaut dans mon cas). Je reçois un avertissement et je suis curieux de savoir ce que cela signifie. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, :...
J'essaie d'utiliser lme4::glmer()pour adapter un modèle mixte généralisé binomial (GLMM) avec une variable dépendante qui n'est pas binaire, mais une variable continue entre zéro et un. On peut considérer cette variable comme une probabilité; en fait , il est probable que rapporté par des sujets...
J'expérimente l'algorithme de la machine de renforcement de gradient via le caretpackage en R. À l'aide d'un petit ensemble de données d'admission à l'université, j'ai exécuté le code suivant: library(caret) ### Load admissions dataset. ### mydata <-