Apakah saya menentukan model lmer saya dengan benar?

9

Saya telah menjelajahi Google dan situs ini dan saya masih bingung tentang fungsi lmer di perpustakaan lme4.

Saya memiliki beberapa data yang dikumpulkan dari bangsal psikiatri yang berbeda, yang memiliki struktur bertingkat. Untuk menyederhanakan, saya akan memilih dua level 2 dan dua variabel level 1, meskipun saya sebenarnya memiliki beberapa variabel lagi.

Level 2- WardSize [ini adalah jumlah orang di bangsal] & WS [ini adalah ukuran seberapa "bagusnya" bangsal itu]

Variabel pengelompokan yang memberi tahu R siapa di mana bangsal disebut "Ward"

Level satu - Jenis Kelamin [ini jenis kelamin, jelas] & BSITotal [ini adalah ukuran keparahan gejala]

Hasil adalah Selfreject, yang lagi-lagi seperti apa rasanya.

Saya punya rumus ini:

help = lmer (formula = Selfreject ~ WardSize + WS + Gender + BSITotal + (1 | Ward))

Saya berharap ini berarti "setiap individu memiliki skor terkait dengan Gender dan tingkat keparahan gejala mereka sendiri, dan juga efek tingkat lingkungan yang berkaitan dengan ukuran ruang dan seberapa" bagus "itu"

Apakah ini benar? Hal yang membingungkan saya adalah bahwa saya tidak bisa melihat bagaimana R dapat mengetahui mana yang merupakan level 1 dan variabel level 2 mana, kecuali untuk intersep level lingkungan yang diberikan pada akhirnya.

Kalau ada yang bisa menjelaskan notasi sehingga orang idiot seperti saya bisa mengerti itu akan lebih baik.

Terimakasih banyak!

r mixed-model lme4-nlme

— Chris Beeley
sumber

11

Spesifikasi model Anda baik-baik saja.

Berbagai intersep untuk Ward, yang ditentukan dalam lmer seperti yang telah Anda lakukan dengan (1 | Ward), mengatakan bahwa subjek dalam setiap bangsal mungkin lebih mirip satu sama lain di Selfreject karena alasan selain WardSize atau Gender, sehingga Anda mengendalikan untuk heterogenitas antar-bangsal.

Anda dapat menganggap "1" sebagai kolom 1s (yaitu konstanta) dalam data yang cocok dengan intersep. Biasanya "1" tersirat secara otomatis dalam lm, misalnya

lm(Y ~ X1 + X2)

sebenarnya menentukan

lm(Y ~ 1 + X1 + X2)

Sekarang setelah Anda memiliki model dasar, Anda dapat mulai mengajukan pertanyaan lebih lanjut seperti "Apakah hubungan antara BSItotal dan Selfreject berbeda antara bangsal?"

lmer(formula=Selfreject ~ WardSize + WAS + Gender + BSITotal + (1 + BSITotal | Ward))

Artinya, baik intersep maupun kemiringan BSITotal dapat berbeda antar bangsal.

Jika Anda belum mengambilnya, Analisis Data Gelman & Hill Menggunakan Regresi dan Model Multilevel / Hierarchical Models adalah buku hebat yang menjelaskan model pemasangan seperti ini dengan lmer.

— M Adams
sumber

1

Berikut ini tautan ke penjelasan oleh Douglas Bates (yang menulis lme4) tentang mengapa tidak perlu menentukan level untuk efek yang diperbaiki.

— Breyer
sumber

2

Selamat datang di situs ini, @Breyer. Saya menduga ini adalah kontribusi yang bermanfaat. Maukah Anda memberikan ringkasan singkat dari argumen di sana, sehingga pembaca dapat memutuskan apakah itu yang mereka cari, atau jika ada linkrot di masa depan?

— gung - Reinstate Monica

2

Terima kasih atas sambutan @gung. Tentu, Bates menjelaskan bahwa tidak perlu menentukan level untuk efek tetap karena paket lme4 ditulis untuk model campuran, termasuk tetapi tidak terbatas pada model multilevel / hierarkis. Ini berarti metode komputasi tidak bergantung pada spesifikasi level, seperti halnya untuk perangkat lunak regresi multilevel khusus (HLM dll) yang memanfaatkan struktur data bersarang dalam perhitungan.

— Breyer