在二项式混合模型中包含随机斜率
include random slope in binomial mixed model
我正在使用二项式 GLMM 来检查随着时间的推移在一个站点上出现的个体 (# hours/day) 之间的关系。由于每天都会测量几个人的存在情况,因此我对个人 ID 进行了随机截取。
例如,
presence <- cbind(hours, 24-hours)
glmer(presence ~ time + (1 | ID), family = binomial)
我也想看看使用 ID 作为随机斜率,但我不知道如何将它添加到我的模型中。我已经尝试了下面两种不同的方法,但我不确定哪个是正确的。
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
您不能为 ID
设置随机斜率并将 ID
作为(二级)分组变量(有关详细信息,请参阅此文档:https://cran.r-project.org/web/packages/lme4/lme4.pdf)。
分组变量,在下面的模型中是 ID
,用作指定随机效应的变量。 model_1
给出 ID
变量的随机截距。 model_2
给出了 time
变量的随机截距和随机斜率。换句话说,model_1
允许 presence
和 time
之间关系的截距随 ID
变化(斜率保持不变),而 model_2
允许对于截距和斜率都随 ID
而变化,因此 presence
和 time
之间的关系(即斜率)对于每个人来说可能不同(ID
).
model_1 = glmer(presence ~ time + (1 | ID), family = binomial)
model_2 = glmer(presence ~ time + (1 + time | ID), family = binomial)
我还会推荐:
Snijders, T. A. B., & Bosker, R. J. (2012)。多级分析:基本和高级多级建模简介(第 2 版):Sage。
我正在使用二项式 GLMM 来检查随着时间的推移在一个站点上出现的个体 (# hours/day) 之间的关系。由于每天都会测量几个人的存在情况,因此我对个人 ID 进行了随机截取。
例如,
presence <- cbind(hours, 24-hours)
glmer(presence ~ time + (1 | ID), family = binomial)
我也想看看使用 ID 作为随机斜率,但我不知道如何将它添加到我的模型中。我已经尝试了下面两种不同的方法,但我不确定哪个是正确的。
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
您不能为 ID
设置随机斜率并将 ID
作为(二级)分组变量(有关详细信息,请参阅此文档:https://cran.r-project.org/web/packages/lme4/lme4.pdf)。
分组变量,在下面的模型中是 ID
,用作指定随机效应的变量。 model_1
给出 ID
变量的随机截距。 model_2
给出了 time
变量的随机截距和随机斜率。换句话说,model_1
允许 presence
和 time
之间关系的截距随 ID
变化(斜率保持不变),而 model_2
允许对于截距和斜率都随 ID
而变化,因此 presence
和 time
之间的关系(即斜率)对于每个人来说可能不同(ID
).
model_1 = glmer(presence ~ time + (1 | ID), family = binomial)
model_2 = glmer(presence ~ time + (1 + time | ID), family = binomial)
我还会推荐:
Snijders, T. A. B., & Bosker, R. J. (2012)。多级分析:基本和高级多级建模简介(第 2 版):Sage。