Подгонка линейных моделей со смешанными эффектами с использованием lme4

Fitting Linear Mixed-Effects Models Using lme4
Benjamin M. Bolker, Douglas M. Bates, Martin Mächler, Steve Walker, Martin Maechler, Steve Walker
2015-01-01

линейные модели со смешанными эффектамипакет lme4функция lmerпрофилированный девиансограниченное максимальное правдоподобие (REML)
Оценки параметров линейных моделей со смешанными эффектами методом максимального правдоподобия или методом ограниченного максимального правдоподобия (REML) можно получить с помощью функции lmer из пакета lme4 для R. Как и в большинстве функций R для подгонки моделей, модель описывается в вызове lmer формулой, которая в данном случае включает члены с фиксированными и случайными эффектами. Формула и данные совместно определяют численное представление модели, на основе которого можно вычислить профилированный девианс или профилированный критерий REML как функцию некоторых параметров модели. Для получения оценок параметров соответствующий критерий оптимизируется с использованием одной из функций ограниченной оптимизации в R. Мы описываем структуру модели, этапы вычисления профилированного девианса или критерия REML, а также структуру классов или типов, представляющих такую модель. Приведено достаточно подробное описание, позволяющее пользователям, желающим писать функции для подгонки специализированных линейных моделей со смешанными эффектами, адаптировать эти структуры, в том числе для моделей, учитывающих родословные или сглаживающие сплайны, которые трудно выразить на языке формул, используемом функцией lmer.
1
Модели задаются формулами, включающими фиксированные и случайные эффекты; формула и данные определяют численное представление модели.
2
Функция lmer пакета lme4 оценивает параметры линейных моделей со смешанными эффектами методом максимального правдоподобия или ограниченного максимального правдоподобия (REML).
3
В статье подробно описаны структура модели, вычисление критериев и внутренние классы, представляющие модель в lme4.
4
Эти структуры можно специализировать для моделей с родословными или сглаживающими сплайнами, которые трудно выразить языком формул lmer.
5
lme4 вычисляет профилированный девианс или профилированный критерий REML и получает оценки параметров посредством ограниченной численной оптимизации в R.

Линейные модели со смешанными эффектами, подгоняемые с помощью функции lmer пакета lme4 для R

оценивание параметров методом максимального правдоподобия и ограниченного максимального правдоподобия посредством оптимизации профилированного девианса или REML-критерия, включая структуру представления и вычисления модели

Publication Details
Publication Date
2015-01-01
Journal
Publisher
ISSN
Cited by
106671
Access Type
Author Information
Authors
Benjamin M. Bolker
Douglas M. Bates
Martin Mächler
Steve Walker
Martin Maechler
Steve Walker
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%