একটি মিশ্র ইফেক্ট মডেল (lme4) থেকে কেসগুলির জন্য opালু উত্তোলন

Question

নিম্নলিখিত অনুচ্ছেদে বর্ণিত হিসাবে আমি মিশ্র প্রভাবের মডেলটিতে প্রতিটি ব্যক্তির জন্য .ালগুলি বের করতে চাই

মিশ্র প্রভাবগুলির মডেলগুলি বোধগম্য সংক্ষিপ্তসার ব্যবস্থাগুলির পরিবর্তনের পৃথক পাথ চিহ্নিতকরণের জন্য ব্যবহৃত হত, বয়স, লিঙ্গ এবং শিক্ষার বছরগুলি নির্দিষ্ট প্রভাব হিসাবে (লেয়ার্ড এবং ওয়ার, 1982; উইলসন এট আল।, 2000, 2002 সি) ... বয়স, লিঙ্গ এবং শিক্ষার প্রভাবগুলির সামঞ্জস্যের পরে, মিশ্র মডেলগুলি থেকে অবশিষ্ট, স্বতন্ত্র জ্ঞানীয় অবনতির termsাল শর্তাদি বের করা হয়েছিল। জেনেটিক অ্যাসোসিয়েশন বিশ্লেষণের জন্য ব্যক্তি-সুনির্দিষ্ট, সমন্বিত অবশিষ্টাংশ resালগুলি পরিমাণগত ফলাফল ফিনোটাইপ হিসাবে ব্যবহৃত হত ot এই অনুমানগুলি কোনও ব্যক্তির slাল এবং একই বয়স, লিঙ্গ এবং শিক্ষার স্তরের কোনও ব্যক্তির পূর্বাভাস .ালের মধ্যে পার্থক্যের সমতুল্য।

ডি জাগার, পিএল, শুলমান, জেএম, চিবনিক, এলবি, কেইনান, বিটি, রাজ, টি।, উইলসন, আরএস, এবং অন্যান্য। (2012)। বয়স সম্পর্কিত জ্ঞানীয় হ্রাসের হারকে প্রভাবিত করে সাধারণ বৈকল্পিকগুলির জন্য একটি জিনোম-প্রশস্ত স্ক্যান । অ্যাজিংয়ের নিউরোবায়োলজি, 33 (5), 1017.e1–1017.e15।

আমি coefপ্রতিটি ব্যক্তির জন্য সহগগুলি বের করার জন্য ফাংশনটি ব্যবহার করে দেখেছি , তবে এটি ব্যবহার করার সঠিক পদ্ধতি যদি না হয় তবে আমি নিশ্চিত।

কীভাবে এটি করা যায় সে সম্পর্কে কেউ কোনও পরামর্শ দিতে পারেন?

#example R code 
library(lme4)
attach(sleepstudy)  
fml <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
beta <- coef(fml)$Subject
colnames(beta) <- c("Intercept", "Slope")
beta

summary(beta)
summary(fm1)

Answer 1

মডেলটি:

library(lme4)
data(sleepstudy)
fm1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)

---

ফাংশনটি coefস্বতন্ত্র পার্থক্য আহরণের জন্য সঠিক পদ্ধতি approach

> coef(fm1)$Subject
    (Intercept)       Days
308    253.6637 19.6662581
309    211.0065  1.8475834
310    212.4449  5.0184067
330    275.0956  5.6529540
331    273.6653  7.3973908
332    260.4446 10.1951151
333    268.2455 10.2436611
334    244.1725 11.5418622
335    251.0714 -0.2848735
337    286.2955 19.0955694
349    226.1950 11.6407008
350    238.3351 17.0814915
351    255.9829  7.4520286
352    272.2687 14.0032989
369    254.6806 11.3395025
370    225.7922 15.2897513
371    252.2121  9.4791308
372    263.7196 11.7513155

এই মানগুলি স্থির প্রভাব এবং ভেরিয়েন্স উপাদানগুলির (সম্মোহিত প্রভাব) এর সংমিশ্রণ। আপনি নির্দিষ্ট প্রভাবগুলির সহগগুলি ব্যবহার করতে summaryএবং coefপেতে পারেন ।

> coef(summary(fm1))[ , "Estimate"]
(Intercept)        Days 
  251.40510    10.46729 

ইন্টারসেপ্ট 251.4 এবং theাল (এর সাথে সম্পর্কিত Days) 10.4। এই সহজাতগুলি সমস্ত বিষয়গুলির মাধ্যম। এলোমেলো প্রভাব পেতে, আপনি ব্যবহার করতে পারেন ranef।

> ranef(fm1)$Subject
    (Intercept)        Days
308   2.2585637   9.1989722
309 -40.3985802  -8.6197026
310 -38.9602496  -5.4488792
330  23.6905025  -4.8143320
331  22.2602062  -3.0698952
332   9.0395271  -0.2721709
333  16.8404333  -0.2236248
334  -7.2325803   1.0745763
335  -0.3336936 -10.7521594
337  34.8903534   8.6282835
349 -25.2101138   1.1734148
350 -13.0699598   6.6142055
351   4.5778364  -3.0152574
352  20.8635944   3.5360130
369   3.2754532   0.8722166
370 -25.6128737   4.8224653
371   0.8070401  -0.9881551
372  12.3145406   1.2840295

এই মানগুলি বিষয়গুলির বৈকল্পিক উপাদান। প্রতিটি সারি একটি বিষয়ের সাথে সম্পর্কিত। প্রতিটি কলামের অন্তর্নিহিত গড়টি শূন্য হয় যেহেতু মানগুলি স্থির প্রভাবগুলির সাথে সম্পর্কিত পার্থক্যের সাথে সম্পর্কিত।

> colMeans(ranef(fm1)$Subject)
  (Intercept)          Days 
 4.092529e-13 -2.000283e-13 

নোট করুন যে এই মানগুলি শূন্যের সমান, ভাসমান পয়েন্ট সংখ্যা উপস্থাপনের অনর্থক কারণে বিচ্যুতি।

ফলে coef(fm1)$Subjectincoporates র্যান্ডম প্রভাব মধ্যে সংশোধন করা হয়েছে প্রভাব, অর্থাত, সংশোধন করা হয়েছে প্রভাব কোফিসিয়েন্টস র্যান্ডম প্রভাব যোগ করা হয়। ফলাফলগুলি স্বতন্ত্র ইন্টারসেপ্ট এবং opালু।

Comments

উত্তরের জন্য ধন্যবাদ, এটি পৃথক সহগের গণনা করা হয় তা পরিষ্কার করে দিয়েছে। যদিও আরও একটি প্রশ্ন, উপরোক্ত অনুচ্ছেদে বলা হয়েছে যে তারা অবশিষ্টাংশের জন্য সামঞ্জস্য করেছেন এটি সহগের মধ্যে এলোমেলো প্রভাব অন্তর্ভুক্ত হিসাবে একই বা এটি একটি পৃথক সমস্যা?

— অ্যান্ড্রুজ

আপনি উল্লেখ করেছেন যে কোফ (সংক্ষিপ্তসার (এফএম 1)) [, "অনুমান"] সমস্ত বিষয়ের গড় তৈরি করে। আমি মনে করি যে ইন্টারসেপ্টটি বোঝাতে "প্রতিক্রিয়া" এর গড় মূল্য, তবে 'গড় (ঘুমন্ত $ প্রতিক্রিয়া) = 298.5079'। এটি একটি লিনিয়ার রিগ্রেশনটিতে ইন্টারসেপ্টের ব্যাখ্যা এবং আমি মিশ্র প্রভাবগুলির মডেলগুলির সহগগুলি বোঝার চেষ্টা করছি এবং জিনিসগুলি পেতে লড়াই করছি (এটি যুক্ত করার মতো)। কেন বিরতি 298.5 নয়?

— সোভনয়

@ সোভানয় নোট করুন যে সমস্ত সংবিধান শূন্যের সমান হলে ইন্টারসেপ্ট নির্ভরশীল চলকের আনুমানিক মান। এখানে, Daysগড়কে কেন্দ্র করে নয়, এবং সেইজন্য মডেলের ইন্টারসেপ্টটি গড় মানের চেয়ে কম Reaction। তদ্ব্যতীত, রিগ্রেশন লাইনটি সেরা রৈখিক ফিট। সুতরাং, পর্যবেক্ষণগুলি এই লাইনে অগত্যা নয়।

— সোভেন হোহেনস্টেইন

@ স্পেনহোহেনস্টেইন ধন্যবাদ জানাতে পেরে তাহলে কি ঠিক বলা যায় যে ওএলএসের রিগ্রেশনটিতে কেবলমাত্র একক শ্রেণিবদ্ধ ভবিষ্যদ্বাণী ভেরিয়েবল এবং ডেভিয়েশন কোডিং (কনট্রেশসাম ()) ইন্টারসেপ্টটি হ'ল গ্র্যান্ড ম্যাসেজ; যদিও আরসি রিগ্রেশনটিতে একটি এলোমেলো ইন্টারসেপ্ট মডেল সহ ইন্টারসেপ্টের আনুমানিক গ্র্যান্ড মানে?

— সোভনয়

@ স্যাভননয় হ্যাঁ, ইন্টারসেপ্ট কোডিংয়ের মাধ্যমে ওআরপিএস রিগ্রেশনের গ্র্যান্ড মিন প্রতিফলিত হয়। একটি রৈখিক মিশ্র মডেলটিতে, বিরতিটি প্রকৃতপক্ষে অনুমিত গ্র্যান্ড মিন।

— সোভেন হোহেনস্টেইন