Подгонка линейных моделей со смешанными эффектами с использованием lme4
Fitting Linear Mixed-Effects Models Using lme4
2015-01-01
SCID: 54.1/dshvnc6a
Discuss with AI
линейные модели со смешанными эффектамипакет lme4функция lmerпрофилированный девиансограниченное максимальное правдоподобие (REML)
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Линейные модели со смешанными эффектами, подгоняемые с помощью функции lmer пакета lme4 для R
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью20
Пакет lmerTest: критерии в линейных моделях со смешанными эффектами2017
Два новых памятника позднего каменного века финального плейстоцена в долине Фалеме, восточный Сенегал2024
Краткое введение в моделирование со смешанными эффектами и мультимодельный вывод в экологии2018
Временное развитие микробиоты кишечника в раннем детстве по данным исследования TEDDY2018
Городские территории как очаги разнообразия пчёл и опыления, но не универсальное решение для всех насекомых2020
Два различных иммунопатологических профиля в аутопсийных легких пациентов с COVID-192020
Грибной и бактериальный микробиом ризосферы, ассоциированный с генотипами подвоев винограда на взрослых и молодых виноградниках2019
Творчество и досуг во время пандемии COVID-19: изучение взаимосвязи между досуговыми занятиями, мотивацией и психологическим благополучием2021
Методы оценки и обновления гедонической оценки2019
Диета и энтеротип кишечного микробиома ассоциированы на популяционном уровне у африканских буйволов2021
Влияние покровных культур на распределение размеров пор и динамику биопор: учёт эффектов корней и почвенной фауны2022
Общие черты и асимметрии нейробиологической инфраструктуры порождения и понимания речи2021
Регулирование негативного и позитивного аффекта в ответ на повседневные стрессоры.2018
Предварительное исследование физиологических и субъективно воспринимаемых эффектов агонистов рецепторов GLP-1 при употреблении алкоголя у людей с ожирением2025
Секреторный IgA и течение COVID-19 у пациентов, получавших бактериальный иммуностимулирующий препарат в дополнение к фоновой терапии2024
Индивидуальная вариативность двуязычного словарного запаса у дошкольников с расстройством развития речи2024
Оценка чистых климатических выгод от увеличения интенсивности выпаса на глобальных пастбищах2026
Life event trajectories and suicidal ideation throughout adolescence: a prospective cohort study from Germany, France, Ireland, and the UK2026
Ассоциация клинического мастита с поведением при доении и продуктивностью коров в автоматизированной доильной системе2026
Механизмы врожденной защиты от Nosema ceranae в гигиеничных семьях медоносной пчелы (Apis mellifera)2026