Comment adapter un modèle à effets aléatoires avec l'Objet comme aléatoire, dans R?
De données de la forme suivante
myDat = structure(list(Score = c(1.84, 2.24, 3.8, 2.3, 3.8, 4.55, 1.13,
2.49, 3.74, 2.84, 3.3, 4.82, 1.74, 2.89, 3.39, 2.08, 3.99, 4.07,
1.93, 2.39, 3.63, 2.55, 3.09, 4.76), Subject = c(1L, 1L, 1L,
2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L,
7L, 7L, 8L, 8L, 8L), Condition = c(0L, 0L, 0L, 1L, 1L, 1L, 0L,
0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L,
1L), Time = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L,
1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L)), .Names = c("Score",
"Subject", "Condition", "Time"), class = "data.frame", row.names = c(NA,
-24L))
Je voudrais modèle de Score en fonction du Sujet, de la Condition et de l'Heure. Chacun (homme) sous réserve du score a été mesurée à trois reprises, indiqué par la variable Temps, j'ai donc des mesures répétées.
Comment puis-je construire dans la R d'un modèle à effets aléatoires avec le Sujet des effets de montée en aléatoire?
ADDITIF: Il a été demandé comment j'ai généré ces données. Vous l'aurez deviné, les données sont fausses comme le jour est long. Le Score est le temps, plus de bruit aléatoire et d'être dans la Condition 1 ajoute un point au Score. Il est instructif qu'un Psy de l'installation. Vous avez une tâche où les gens du score s'améliore avec la pratique (le temps) et un médicament (condition==1) qui améliore le score.
Voici un peu plus réaliste de données aux fins de la présente discussion. Maintenant simulé les participants ont un hasard "compétence" niveau qui est ajouté à leurs scores. Aussi, les facteurs sont maintenant des chaînes.
myDat = structure(list(Score = c(1.62, 2.18, 2.3, 3.46, 3.85, 4.7, 1.41,
2.21, 3.32, 2.73, 3.34, 3.27, 2.14, 2.73, 2.74, 3.39, 3.59, 4.01,
1.81, 1.83, 3.22, 3.64, 3.51, 4.26), Subject = structure(c(1L,
1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L,
6L, 7L, 7L, 7L, 8L, 8L, 8L), .Label = c("A", "B", "C", "D", "E",
"F", "G", "H"), class = "factor"), Condition = structure(c(1L,
1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L,
2L, 1L, 1L, 1L, 2L, 2L, 2L), .Label = c("No", "Yes"), class = "factor"),
Time = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L,
2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), .Label = c("1PM",
"2PM", "3PM"), class = "factor")), .Names = c("Score", "Subject",
"Condition", "Time"), class = "data.frame", row.names = c(NA,
-24L))
Voir:
library(ggplot2)
qplot(Time, Score, data = myDat, geom = "line", group = Subject, colour = factor(Condition))
- Vous pouvez de façon plus concise, la construction d'un bloc de données à l'aide de la
data.frame
fonction: myDat <- données.cadre(Note = c(1.84, 2.24, 3.8, 2.3, 3.8, 4.55, 1.13, 2.49, 3.74, 2.84, 3.3, 4.82, 1.74, 2.89, 3.39, 2.08, 3.99, 4.07, 1.93, 2.39, 3.63, 2.55, 3.09, 4.76), Sujet = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3 L, 3 L, 3 L, 3 L, 3L, 4L, 4L, 4L, 4L, 4L, 4L), Condition = c(0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 1L, 1L, 1L), le Temps = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L 1L, 2L, 3L, 1L, 2L, 3L)) - La structure de la syntaxe est ce que vous obtenez lorsque vous utilisez
dput
dans un ensemble de données.cadre. - Apprendre quelque chose de nouveau chaque jour!
Vous devez vous connecter pour publier un commentaire.
à l'aide de la nlme bibliothèque...
Répondre à votre question, vous pouvez créer un hasard intecept modèle à effets mixtes utilisant le code suivant:
L'ordonnée à l'origine de la variance est fondamentalement 0, indiquant l'absence de l'intérieur sous réserve de l'effet, de sorte que ce modèle n'est pas la capture de la relation entre le temps bien. Un intercept aléatoire modèle est rarement le type de modèle que vous désirez pour un modèle à mesures répétées. Un intercept aléatoire modèle suppose que les corrélations entre tous les points dans le temps sont égaux. c'est à dire la corrélation entre le temps 1 et le temps 2 est la même qu'entre le temps 1 et le temps 3. Dans des circonstances normales (peut-être pas ceux de la génération de fausses données), nous attendons de la plus tard, à moins que l'ancien. Une auto régressif de la structure est généralement une meilleure façon d'aller.
De vos données montrant une -.596 entre point dans le temps de corrélation, ce qui me semble bizarre. normalement il devrait, au minimum, être une corrélation positive entre les points dans le temps. Comment est-ce qu'données générées?
addendum:
Avec vos nouvelles données, nous savons que le processus de génération de données est équivalent à un intercept aléatoire modèle (même si c'est pas le plus réaliste pour une étude longitudinale. La visualisation montre que l'effet du temps semble être assez linéaire, de sorte que nous devrions nous sentir à l'aise de le traiter comme une variable numérique.
Nous voyons un important effet de Condition, indiquant que le 'oui' état a tendance à avoir des scores plus élevés (d'environ 1,7), et un temps significatif effet, ce qui indique que les deux groupes de remonter dans le temps. Soutenir l'intrigue, nous ne trouvons aucun effet différentiel de temps entre les deux groupes (l'interaction). c'est à dire les pentes sont les mêmes.
Ce n'est pas la réponse à votre question, mais vous pourriez trouver cette visualisation de vos données informatives.
(à l'aide de lme4 de la bibliothèque)
Ce s'adapte à votre sujet effet aléatoire et aussi la variable aléatoire effets sont regroupés sous. Dans ce modèle, l'effet aléatoire est l'ordonnée à l'origine variables par sujet.
Pour voir les effets aléatoires que vous pouvez simplement utiliser
Comme Ian Boursiers mentionné, vos données peuvent également avoir aléatoire de l'État et des composants. Vous pouvez tester que avec un autre modèle. Dans l'un au-dessous de la Condition, du Temps et de l'ordonnée à l'origine sont autorisés à varier de manière aléatoire par l'objet. Elle permet aussi d'évaluer leurs corrélations.
et essayer
Vous pouvez aussi le tester sans corrélations avec l'ordonnée à l'origine, avec des interactions entre l'État et le Temps, et de nombreux autres modèles à voir ce qui correspond le mieux à vos données et /ou de votre théorie. Votre question est un peu vague, mais ces quelques commandes devrait vous obtenir a commencé.
Noter que l'Objet est de votre groupement de facteur, de sorte que c'est ce qu'on fit d'autres effets aléatoires sous. Ce n'est pas quelque chose que vous alors explicitement ajustement comme un facteur prédictif ainsi.
ranef
ne fonctionne pas avec unmer
objet ... ??