Dopasowałem lmer model z następującymi (aczkolwiek wymyślonymi danymi wyjściowymi):
Random effects:
Groups Name Std.Dev.
day:sample (Intercept) 0.09
sample (Intercept) 0.42
Residual 0.023
Naprawdę chciałbym zbudować przedział ufności dla każdego efektu, używając następującej formuły:
Czy istnieje sposób, aby wygodnie wydostać się ze stopni swobody?
lme4-nlme
mixed-model
użytkownik1357015
źródło
źródło
Odpowiedzi:
Zamiast tego po prostu utworzę przedziały ufności prawdopodobieństwa profilu . Są niezawodne i bardzo łatwe do obliczenia przy użyciu pakietu „lme4”. Przykład:
Możesz teraz obliczyć przedziały ufności prawdopodobieństwa profilu za pomocą
confint()
funkcji:Możesz również użyć parametrycznego ładowania początkowego, aby obliczyć przedziały ufności. Oto składnia R (używając
parm
argumentu, aby ograniczyć parametry, dla których chcemy mieć przedziały ufności):Wyniki będą się naturalnie różnić nieco dla każdego przebiegu. Możesz zwiększyć,
nsim
aby zmniejszyć tę zmienność, ale zwiększy to również czas potrzebny do oszacowania przedziałów ufności.źródło
Stopnie swobody dla modeli mieszanych są „problematyczne”. Aby przeczytać więcej na ten temat, możesz sprawdzić lmer, wartości p i cały ten post napisany przez Douglasa Batesa. Również R-sig-mieszane modele FAQ podsumowuje powody dlaczego jest to uciążliwe:
FAQ podaje również kilka alternatyw
Ale jeśli interesują Cię przedziały ufności, istnieją lepsze podejścia, np. Oparte na bootstrap, jak sugeruje Karl Ove Hufthammer w swojej odpowiedzi lub te zaproponowane w FAQ.
źródło