在 nlme 和 lme4 中拟合相同的模型

Question

数据来自here

library(nlme)
dat0 <- read.table("aids.dat2",head=T)
dat1 <- dat0[dat0$day<=90, ]   # use only first 90-day data
dat2 <- dat1[!apply(is.na(dat1),1,any),]  # remove missing data 

# Next, let's treat the data as longitudinal (or grouped) data 
aids.dat <- groupedData(lgcopy ~ day | patid, data=dat2)

# A NLME model fit, with random effects on all 4 parameters 
start <- c(10,0.5,6,0.005)  # starting value 

aids.dat$log10copy = log10(aids.dat$lgcopy)

nlme.fit <- nlme(log10copy ~ exp(p1-b1*day) + exp(p2-b2*day + 1),
                 fixed = list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1),
                 random = list(patid = pdDiag(list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1))),
                 data =aids.dat, start=c(start)) 
summary(nlme.fit)

在这里，我使用 nlme 包中的 nlme 拟合非线性混合效应模型。该模型有 4 个固定效应和 4 个随机效应。我在方差-协方差矩阵上指定了一个对角线结构，每个patid组成一个组

library(lme4)
deriv_mod <- deriv( ~ exp(p1 - b1*t) + exp(p2 - b2*t + 1), 
                    c("p1", "b1", "p2", "b2"), function(t, p1, b1, p2, b2){})
nlmer.fit <- nlmer(deriv_mod ~ list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1) + 
                     list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1), data = aids.dat, start = c(start))

在这里，我想使用 lme4 包来拟合相同的模型。从文档看来，nlmer 的 formula 也必须有一个渐变分量，因此我首先使用了 deriv 函数。但是，我不确定如何指定其余参数？

deriv_mod ~ list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1) + 
                     list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1)

是指定4个固定效果（在第一个列表对象中）及其对应的4个随机效果（在第二个列表对象中）。但是，我不太确定如何指定对角方差-协方差结构并确保观察结果按 patid 分组，就像我在 random = list(patid = pdDiag(list(p1 ~ 1, b1 ~ 1, p2 ~ 1, b2 ~ 1))) 和 nlme 中指定的那样。

Answer 1

指定固定效应 FE1 ... FE4 和独立随机效应 RE1 ... RE4 的标准方法如下所示

mod_fit <- lme4::nlmer(Y ~ FE1 + FE2 + FE3 + FE4 + 
  (1|RE1) + (1|RE2) + (1|RE3) + (1|RE4), data= dat)

nlme 包的语法与 lme4 包的语法略有不同。

mod_fit <- nlme::nlme(Y ~ FE1 + FE2 + FE3 + FE4 + 
      (1|RE1) + (1|RE2) + (1|RE3) + (1|RE4), 
  fixed= FE1 + FE2 + FE3 + FE4 ~ Y,
  groups= 1 ~ RE1 + RE2 + RE3 + RE4,
  data= dat)

就是说，我不确定我是否完全理解您问题的细微差别，所以您的情况可能意味着这需要略微修改。如果您提供评论，我很乐意根据需要修改我的答案

在 nlme 和 lme4 中拟合相同的模型

Fitting the same models in nlme and lme4

r

lme4

mixed-models

nlme