R:使用多级模型引导

Question

我希望围绕我的多级模型系数估计计算 95% 的置信区间。

对于具有单个分组变量的模型，我没有任何问题，但是当我添加一个额外的分组变量时，我遵循的引导方法( http://www.ats.ucla.edu/stat/r/dae/melogit.htm )基本上崩溃了。

我调查了 bootMer(lme4 的一个新实现的部分)，结果相同。

下面是问题的一个例子:

--------------------------- 编辑以包含可重现的示例 ---------------- ------------

对这个问题的有用评论和通过示例给出了答案 - 不是添加第二个分组变量本身，而是分组变量中的缺失导致了问题。

对于遇到此问题的其他人，这是一个有效的示例。

为了说明起见，这是一个简单的函数......

FUN <- function(fit) {return(fixef(fit))} 

示例数据(完整)

grouper1 <- as.factor(sample(letters[1:20], 1000, replace = TRUE))
grouper2 <- sample(letters[1:2], 1000, replace = TRUE)
DV<-rnorm(1000)
IV<-rnorm(1000)
example<-data.frame(grouper1, grouper2, DV, IV)

可以很好地处理这些数据

one_grouper<-lmer(DV ~ IV + (1 | grouper1), data=example)  

> bootMer(one_grouper,FUN, nsim=1)

Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)

Bootstrap Statistics :
       original       bias    std. error
t1* 0.005286026  0.041665542          NA
t2* 0.009642498 -0.003707219          NA
> 
> two_grouper<-lmer(DV ~ IV + (1 | grouper1) + (1 | grouper2), data=example)
> 
> bootMer(one_grouper,FUN, nsim=1)

Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)

Bootstrap Statistics :
       original      bias    std. error
t1* 0.005286026 -0.03465914          NA
t2* 0.009642498 -0.01361108          NA

但是，当我们在分组变量中引入缺失...

example$missinggroups <- with(example, ifelse(randommissing=="f", NA,grouper1))

> one_grouper<-lmer(DV ~ IV + (1 | missinggroups ), data=example)  
> 
> bootMer(one_grouper,FUN, nsim=1)

Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)


Bootstrap Statistics :
WARNING: All values of t1* are NA
WARNING: All values of t2* are NA
Warning message:
In bootMer(one_grouper, FUN, nsim = 1) : some bootstrap runs failed (1/1)

Answer 1

这是一个 confirmed issue根据评论，该修复程序在 2014 年 1 月 8 日的开发版本中有效。

那是在版本 < 1.1-3 时回来的； lme4 on CRAN自 2014 年 3 月 14 日起，版本 > 1.1-5。