включить случайный наклон в биномиальной смешанной модели - PullRequest
Новая
       13

включить случайный наклон в биномиальной смешанной модели

0 голосов
/ 26 марта 2019

Я использую биномиальный GLMM, чтобы исследовать связь между присутствием людей (# часов / день) на сайте с течением времени.Поскольку присутствие измеряется ежедневно для нескольких людей, я включил случайный перехват для индивидуального идентификатора.

например, 

presence <- cbind(hours, 24-hours)
glmer(presence ~ time + (1 | ID), family = binomial)

Я также хотел бы рассмотреть использование идентификатора в качестве случайногонаклон, но я не знаю, как добавить это к моей модели.Я попробовал два разных подхода ниже, но я не уверен, какой из них правильный. 

glmer(presence ~ time + (1 + ID), family = binomial)
Error: No random effects terms specified in formula

glmer(presence ~ time + (1 + ID | ID), family = binomial)
Error: number of observations (=1639) < number of random effects (=5476) for term (1 + ID | ID); the random-effects parameters are probably unidentifiable

1 Ответ

1 голос
/ 26 марта 2019

Вы не можете иметь случайный наклон для ID и иметь ID как переменную группировки (уровень два) (более подробно см. Эту документацию: https://cran.r -project.org / web / packages /lme4 / lme4.pdf ).

Переменная группировки, которая в приведенных ниже моделях равна ID, используется в качестве переменной, для которой можно указать случайные эффекты.model_1 дает случайные перехваты для переменной ID.model_2 дает как случайные перехваты, так и случайные наклоны для переменной time.Другими словами, model_1 позволяет перехвату отношения между presence и time изменяться с ID (наклон остается тем же), тогда как model_2 допускает как перехват, так и наклоны изменяться сID, так что отношения между presence и time (т. Е. Наклон) могут быть разными для каждого отдельного человека (ID).

model_1 = glmer(presence ~ time + (1 | ID), family = binomial)

model_2 = glmer(presence ~ time + (1 + time | ID), family = binomial)

Я бы также рекомендовал:

Snijders, TAB, & Bosker, RJ (2012).Многоуровневый анализ: введение в базовое и расширенное многоуровневое моделирование (2-е изд.): Sage.

...