Multivariates lineares gemischtes Modell in lme4

Question

Ich frage mich, wie man ein multivariates lineares gemischtes Modell mit lme4 anpasst.Ich habe univariate lineare gemischte Modelle mit dem folgenden Code ausgestattet:

library(lme4)
lmer.m1 <- lmer(Y1~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m1)
anova(lmer.m1)

lmer.m2 <- lmer(Y2~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m2)
anova(lmer.m2)

Ich möchte wissen, wie man ein multivariates lineares gemischtes Modell mit lme4 anpasst.Die Daten sind unten:

Block A B    Y1    Y2
 1    1 1 135.8 121.6
 1    1 2 149.4 142.5
 1    1 3 155.4 145.0
 1    2 1 105.9 106.6
 1    2 2 112.9 119.2
 1    2 3 121.6 126.7
 2    1 1 121.9 133.5
 2    1 2 136.5 146.1
 2    1 3 145.8 154.0
 2    2 1 102.1 116.0
 2    2 2 112.0 121.3
 2    2 3 114.6 137.3
 3    1 1 133.4 132.4
 3    1 2 139.1 141.8
 3    1 3 157.3 156.1
 3    2 1 101.2  89.0
 3    2 2 109.8 104.6
 3    2 3 111.0 107.7
 4    1 1 124.9 133.4
 4    1 2 140.3 147.7
 4    1 3 147.1 157.7
 4    2 1 110.5  99.1
 4    2 2 117.7 100.9
 4    2 3 129.5 116.2

Vielen Dank im Voraus für Ihre Zeit und Zusammenarbeit.

Answer 1

Dies kann manchmal in nlme / lme4 zufriedenstellend gefälscht werden, indem Sie einfach Ihre Daten wie neu formatieren

require(reshape)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))

> Data
  Block A B Y value
1     1 1 1 1 135.8
2     1 1 2 1 149.4
3     1 1 3 1 155.4
4     1 2 1 1 105.9
5     1 2 2 1 112.9
6     1 2 3 1 121.6
...

und fügen Sie dann die neue Variable Y in Ihr lineares gemischtes Modell ein.

Für echte multivariate generalisierte lineare gemischte Modelle (MGLMM) benötigen Sie jedoch wahrscheinlich das sabreR-Paket oder ähnliches.Zum Paket gibt es auch ein ganzes Buch, Multivariate Generalized Linear Mixed Models Using R .Wenn Sie einen Proxy für eine abonnierende Institution haben, können Sie diesen möglicherweise sogar kostenlos von http://www.crcnetbase.com herunterladen/ isbn / 9781439813270 .Ich würde Sie dort für weitere Ratschläge verweisen, da dies ein fleischiges Thema ist und ich ein Anfänger bin.

Answer 2

lmer und sein älteres Geschwister lme sind von Natur aus "ein Parameter übrig von ~".Schauen Sie sich die Autopakete an.Es bietet keine Unterstützung für wiederholte Messungen von der Stange, aber Sie finden einige Kommentare zu diesem Thema, indem Sie die R-Liste durchsuchen:

John Fox über Autopaket

Answer 3

@ Johns Antwort oben sollte weitgehend richtig sein.Sie fügen dem Modell eine Dummy-Variable hinzu (dh die Faktorvariable Y).Hier haben Sie 3 Indizes i= 1...N für Beobachtungen, j=1,...,4 für Blöcke und h=1,2 für die abhängige Variable.Sie müssen aber auch den Fehlerterm der Stufe 1 auf 0 (oder nahe Null) setzen, was ich nicht sicher bin, ob lme4 dies tut.Ben Bolker könnte weitere Informationen liefern.Dies wird ausführlicher in Goldstein (2011), Kapitel 6 und Kapitel 7 für latente multivariate Modelle beschrieben.

IE

Y_hij=beta_ {01} z_ {1ij} + \ beta_ {02} z_ {2ij} + \ beta X + u_ {1j} z_ {1ij} + u_ {2j} z_ {2ij}

Also:

require(reshape2)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))

m1 <- lmer(value ~ Y + A*B + (1|Block) + (1|Block*A), data= Data)
# not sure how to set the level 1 variance to 0, @BenBolker
# also unclear to me if you're requesting Y*A*B instead of Y + A*B