Usiłuję dopasować model mieszany wielowymiarowy (tj. Wiele odpowiedzi) R
. Oprócz pakietów ASReml-r
i SabreR
(które wymagają zewnętrznego oprogramowania) wydaje się, że jest to możliwe tylko w MCMCglmm
. w artykule dołączonym do MCMCglmm
pakietu (str. 6) Jarrod Hadfield opisuje proces dopasowywania takiego modelu, jak na przykład przekształcanie wielu zmiennych odpowiedzi w jedną zmienną o długim formacie, a następnie tłumienie ogólnego przechwytywania. Rozumiem, że tłumienie przecięcia zmienia interpretację współczynnika dla każdego poziomu zmiennej odpowiedzi, która jest średnią dla tego poziomu. Czy w związku z powyższym można dopasować wielowymiarowy model mieszany za pomocą lme4
? Na przykład:
data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
data = mtcars)
summary(m1)
# Linear mixed model fit by REML
# Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb))
# Data: mtcars
# AIC BIC logLik deviance REMLdev
# 913 933.5 -448.5 920.2 897
# Random effects:
# Groups Name Variance Std.Dev.
# factor(carb) (Intercept) 509.89 22.581
# Residual 796.21 28.217
# Number of obs: 96, groups: factor(carb), 6
#
# Fixed effects:
# Estimate Std. Error t value
# variabledrat:gear -7.6411 4.4054 -1.734
# variablempg:gear -1.2401 4.4054 -0.281
# variablehp:gear 0.7485 4.4054 0.170
# variabledrat:carb 5.9783 4.7333 1.263
# variablempg:carb 3.3779 4.7333 0.714
# variablehp:carb 43.6594 4.7333 9.224
Jak interpretować współczynniki w tym modelu? Czy ta metoda zadziała również w przypadku uogólnionych liniowych modeli mieszanych?