- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用混合效应模型,并且由于我的方法的特殊性我需要解决下面模型的积分,然后制作图表获得的估计值。
其中,di^2
是我模型中的 Var3
,dh
是混合效应模型对应的函数。
在我所插入的问题的文献中,很少有作品使用用于此目的的混合效应模型,绝大多数仅适用于回归模型简单的线性。但是,对于我的问题,有必要使用混合模型。
模型定义为:
在考虑变量 Var2
的截距中引入了随机效应 bi
。
只考虑模型的固定部分,即固定效应模型,我求解积分的过程如下:
数据:https://drive.google.com/file/d/1hFb1OPO0jxQw7_u62swnkRXbOH81ygDD/view?usp=sharing
对于在链接中托管数据,我深表歉意,但是,我找不到包含可能与我的问题匹配的变量的内部 R 数据库。
fitmixedmodel <- lme(log(Var1)~I(exp(Var3/Var4))+
(I((Var5/Var4)^3)),
random = ~1|Var2,
dados, method="REML")
summary(fitmixedmodel)
volume <- dados[dados$Var5 == 0.1,]
fmixedmodel <- function(Var3, Var5, Var4){
(pi/40000)*(Var3^2)*(coefficients(summary(fitmixedmodel))[1] +
coefficients(summary(fitmixedmodel))[2]*I(exp(Var3/Var4)) +
coefficients(summary(fitmixedmodel))[3]*(I((Var5/Var4)^3)))
}
vmixedmodel <- function(Var3, Var5, Var4){
integrate(Vectorize(fmixedmodel), lower = 0.1, upper = Var4, Var3 = Var3, Var4 = Var4)$value
}
mixed.vol <- mapply(FUN = vmixedmodel,
Var5 = as.list(volume$Var5),
Var3 = as.list(volume$Var3),
Var4 = as.list(volume$Var4))
所以我得到了下图。
但是请注意,在这个积分的计算中,我没有声明随机效应,也就是说,我只从固定部分积分函数,也没有考虑随机部分。如何解决这个问题,即对调整后的混合模型方程进行实际积分?
最佳答案
我将您的数据集下载为 Data.csv。我必须做一些格式化才能让它在我的本地机器上工作:
library(ggplot2)
library(nlme)
library(data.table)
##################
# Format data ##
##################
dat <- read.table("Data.csv",
sep=";",
dec=",",
colClasses=c("character",
rep("numeric",4)),
skip=1)
setDT(dat)
format(dat,decimal.mark=".")
dat[, Var2 := V1]
dat[, Var3 := as.numeric(V2)]
dat[, Var4 := as.numeric(V3)]
dat[, Var1 := as.numeric(V4)]
dat[, Var5 := as.numeric(V5)]
dat
## this is name used in OP code
dados <- copy(dat[,c("Var2","Var3","Var4","Var1","Var5")])
我稍微重写了代码,以便可以重现您的图形 --这是您的代码,其中有一些小的格式更改:
################### BEGIN OP CODE ####################
fitmixedmodel <- lme( log(Var1) ~ I(exp(Var3/Var4))+ I((Var5/Var4)^3),
random = ~1|Var2,
data = dados,
method="REML")
summary(fitmixedmodel)
volume <- dados[dados$Var5 == 0.1,]
fmixedmodel <- function(Var3, Var5, Var4){
(pi/40000)*
(Var3^2)*
(coefficients(summary(fitmixedmodel))[1] +
coefficients(summary(fitmixedmodel))[2]*I(exp(Var3/Var4)) +
coefficients(summary(fitmixedmodel))[3]*(I((Var5/Var4)^3)))
}
vmixedmodel <- function(Var3, Var5, Var4){
integrate(Vectorize(fmixedmodel),
lower = 0.1,
upper = Var4,
Var3 = Var3,
Var4 = Var4)$value
}
mixed.vol <- mapply(FUN = vmixedmodel,
Var5 = as.list(volume$Var5),
Var3 = as.list(volume$Var3),
Var4 = as.list(volume$Var4))
################# END OP CODE ##################
## now verify the graph. looks good.
ggplot() +
geom_point(aes(y=mixed.vol, x=volume$Var3, color=volume$Var3))
所以此时我能够重现您的图形。
我最初认为合并随机截距有两种选择。一种是“将它们整合出来”,这将涉及随机截距的方差和二重积分。但事实证明,对于线性回归,这种类型的边缘化不会改变结果。为了向我们自己证明这一点,请看下面的代码,它通过拟合二重积分来积分出服从 Normal(0, 0.1691067^2) 分布的随机截距 b
。因为关于 b
的积分只能单独隔离 b
并且 E[b] = 0,所以这种方法与 OP 方法没有本质区别。
# Option 1: integrate over the random intercept distribution
# this will require the random intercept variance as well as
# double integration.
## to be able to accommodate a random intercept, we need to integrate
## over the random intercepts, which are distributed as N(0, sig2)
## where sig2 is 0.1691067^2 as seen from the fitmixedmodel output:
#
# Random effects:
# Formula: ~1 | Var2
# (Intercept) Residual
# StdDev: 0.1691067 0.2559742
## add "b" random intercept, multiply whole thing by normal density dnorm
integrand <- function(x, Var3, Var4){
Var5 <- x[1]
b <- x[2]
(pi/40000)*(Var3^2)*
(coefficients(summary(fitmixedmodel))[1] + b +
coefficients(summary(fitmixedmodel))[2]*I(exp(Var3/Var4)) +
coefficients(summary(fitmixedmodel))[3]*(I((Var5/Var4)^3))) *
dnorm(b, sd = 0.1691067)
}
vmixedmodel.option1 <- function(Var5, Var3, Var4){
pcubature(integrand,
lower = c(0.1,-Inf),
upper = c(Var4,Inf),
Var3 = Var3,
Var4 = Var4)$integral
}
## this is slow. And unnecessary. Because the E[b] = 0
mixed.vol.option1 <- mapply(FUN = vmixedmodel.option1,
Var5 = as.list(volume$Var5),
Var3 = as.list(volume$Var3),
Var4 = as.list(volume$Var4))
max(abs(mixed.vol - mixed.vol.option1))
ggplot() +
geom_point(aes(y=mixed.vol.option1, x=volume$Var3, color=volume$Var3))
第二种方法是插入估计的随机截距值,很像 OP 方法如何插入 Var4
和 Var3
的值。为了追求这一途径,我们首先创建 volume_ri
,它与 volume
数据集相同,但具有 b 的估计值:
## Option 2: plug in the random intercept value.
rand_int <- data.table(Var2 = rownames(fitmixedmodel$coeff$random$Var2),
b = fitmixedmodel$coeff$random$Var2 )
setnames(rand_int, names(rand_int), c("Var2","b"))
rand_int
## merge into `volume` (or `dados` and then re-subset)
volume_ri <- merge(volume,
rand_int)
然后基本上我们调整 OP 代码以适应此 b
作为参数或适当的值:
## throw in a b argument
fmixedmodel_ri <- function(Var3, Var5, Var4, b){
(pi/40000)*
(Var3^2)*
(coefficients(summary(fitmixedmodel))[1] + b +
coefficients(summary(fitmixedmodel))[2]*I(exp(Var3/Var4)) +
coefficients(summary(fitmixedmodel))[3]*(I((Var5/Var4)^3)))
}
## throw in a b argument
vmixedmodel_ri <- function(Var3, Var5, Var4, b){
integrate(Vectorize(fmixedmodel_ri),
lower = 0.1,
upper = Var4,
Var3 = Var3,
Var4 = Var4,
b = b)$value
}
## plug in the b values
mixed.vol_ri <- mapply(FUN = vmixedmodel_ri,
Var5 = as.list(volume_ri$Var5),
Var3 = as.list(volume_ri$Var3),
Var4 = as.list(volume_ri$Var4),
b = as.list(volume_ri$b))
## now verify the graph. only 8 levels of Var2, so use color
ggplot() +
geom_point(aes(y=mixed.vol_ri, x=volume_ri$Var3, color=volume_ri$Var2))
老问题:
我担心/困惑的是我评论的行你的意思是Var5 = Var5
- 你介意仔细检查一下吗?并给我留下评论和答案?
此外,还有一个关于随机拦截的单独问题:
是否要对所有随机截距值进行积分
或
是否要为混合模型拟合中的每个唯一 Var2 插入随机截距估计值?
关于r - 求解 R 中混合模型方程的积分,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72748970/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!