如何在nlme包中建立嵌套随机效应模型

Question

我有一个线性混合模型中的两个因素。将因素A视为固定效应，将因素B视为随机效应并嵌套在因素A中。请问如何使用nlme R包进行建模？

我知道lme( response~ factorA, random=~1|factorA/factorB)是一种建模方法。但是，这个函数将因素A视为随机效应。

- Colin

---

为什么不直接写成 lme( response~ factorA, random=~1|factorB) 呢？ - IRTFM

因素B嵌套在因素A中。 - Colin

没错，但这与将因子A指定为随机因子有何不同呢？ - IRTFM

没有人指定任何因素为随机因素。只有截距被指定为在某些因素之间是随机的。如果您希望拦截在factorB的水平之间是随机的，DWin的第一个建议似乎是合理的。 - ndoogan

也许你需要更清晰地用英语描述你的研究，这样就不会像猜谜游戏一样了。 - ndoogan

Answer 1

看起来你的数据结构是这样的，个体观测值嵌套在由 factorB 标识的群组内。这些群组进一步被嵌套在由 factorA 标识的更大群组内。你不希望这个层次结构的最高级别有自己的随机截距项。相反，你只用因子作为固定效应来建模变异。好的，那么剩下的就是允许截距在 factorB 中变化。这正是 DWin 建议的。

lme(response ~ factorA, random=~1|factorB)

然而，目前并不完全清楚这是否是您真正想要的。从您提出的问题中也无法确定您的数据真实结构。如果您更新问题，我会相应地更新答案。

- ndoogan

Answer 2

这取决于你的变量如何编码。你可能会为factorB中的变量使用不同的名称，就像这样；那么只将factorB作为随机效应即可。

factorA  factorB
bob      bob1
bob      bob2
bob      bob3
jane     jane1
jane     jane2
jane     jane3

lme(response ~ factorA, random=~1|factorB)

但是，factorB 可能在 factorA 的每个水平上具有相同的变量编码，就像这样；那么，仅将 factorB 视为随机效应是不正确的；相反，您需要将随机效应设置为它们之间的交互作用。我认为使用 : 的代码会起作用，但更易读的方法可能是创建一个新变量。

factorA  factorB
bob      rep1
bob      rep2
bob      rep3
jane     rep1
jane     rep2
jane     rep3

lme(response ~ factorA, random=~1|factorA:factorB)

dat$factorAB <- with(dat, factor(paste(factorA, factorB), sep="."))
lme(response ~ factorA, random=~1|factorAB)

- Aaron left Stack Overflow

---

我认为 dat$factorAB <- with(dat, factor(paste(factorA, factorB), sep=".")) 与 factorA:factorB 相同，除了用于分隔组合的字符。 - ndoogan

另外，如果factorB可以唯一标识每个数据点（我知道我们不知道），那么允许参数在该因子上变化会重复残差误差项（即可能不被允许）。 - ndoogan

关于@ndoogan的第一条评论：是的，:和paste确实有非常相似的结果，尽管:会为每个组合创建级别，即使该组合不存在。我认为在公式中使用:是可行的，但应该检查任何额外的级别是否会引起问题，并确保公式机制适当地处理:。 - Aaron left Stack Overflow

@ndoogan的第二条评论说得很对：我的示例数据集应该包括每个组合的多行，否则随机效应是不必要的，而且根据软件的不同，可能会失败。 - Aaron left Stack Overflow

很高兴听到这个消息，@Colin。请勾选答案旁边的对号，以便其他人知道它已经解决了问题。你也可以给任何有帮助的答案（包括这个）点赞。欢迎来到StackOverflow！ - Aaron left Stack Overflow