Modello misto lineare multivariato in lme4

Question

Mi chiedo come adattare il modello misto lineare multivariato con lme4.Ho montato modelli misti lineari univariati con il seguente codice:

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)

Mi piacerebbe sapere come adattare il modello misto lineare multivariato con lme4.I dati sono di seguito:

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

Grazie in anticipo per il tuo tempo e la tua collaborazione.

Answer 1

Questo a volte può essere simulato in modo soddisfacente in nlme / lme4 semplicemente riformattando i dati come

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
...

e quindi includendo la nuova variabile Y nel modello misto lineare.

Tuttavia, per i veri modelli MGLMM (Multivariate Generalized Linear Mixed Model), probabilmente avrai bisogno del pacchetto sabreR o simile.C'è anche un intero libro per accompagnare il pacchetto, Modelli misti lineari generalizzati multivariati che utilizzano R .Se hai un proxy per un istituto abbonato, potresti persino essere in grado di scaricarlo gratuitamente da http://www.crcnetbase.com/ isbn / 9781439813270 .Ti rimando lì per qualsiasi ulteriore consiglio, poiché questo è un argomento carnoso e io sono un principiante.

Answer 2

lmer e il suo fratello maggiore lme sono intrinsecamente "un parametro a sinistra di ~".Dai un'occhiata ai pacchetti auto;non offre un supporto standard per misurazioni ripetute, ma troverai alcuni commenti sull'argomento cercando nell'elenco R:

John Fox sul pacco auto

Answer 3

La risposta di @ John sopra dovrebbe essere ampiamente corretta.Aggiungere una variabile fittizia (ad esempio, la variabile fattore Y) al modello.Qui hai 3 pedici i= 1...N per le osservazioni, j=1,...,4 per i blocchi e h=1,2 per la variabile dipendente.Ma devi anche forzare il termine di errore di livello 1 a 0 (o quasi a zero), cosa che non sono sicuro che lme4 faccia.Ben Bolker potrebbe fornire ulteriori informazioni.Questo è descritto più dettagliatamente in Goldstein (2011) Chap 6 e Chap 7 per i modelli multivariati latenti.

IE

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

Quindi:

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