Ma trận phương sai hiệp phương sai trong lmer

Tôi biết rằng một trong những lợi thế của các mô hình hỗn hợp là chúng cho phép chỉ định ma trận phương sai hiệp phương sai cho dữ liệu (đối xứng hỗn hợp, tự phát, không cấu trúc, v.v.) Tuy nhiên, lmerhàm trong R không cho phép dễ dàng xác định ma trận này. Có ai biết cấu trúc lmersử dụng theo mặc định và tại sao không có cách nào dễ dàng chỉ định nó?

Mô hình hỗn hợp là (phiên bản tổng quát của) mô hình thành phần phương sai. Bạn viết ra phần hiệu ứng cố định, thêm các thuật ngữ lỗi có thể phổ biến cho một số nhóm quan sát, thêm chức năng liên kết nếu cần và đưa phần này vào một công cụ tối đa hóa khả năng.

Tuy nhiên, các cấu trúc phương sai khác nhau mà bạn đang mô tả là các mô hình tương quan làm việc cho các phương trình ước lượng tổng quát, đánh đổi một số tính linh hoạt của các mô hình hỗn hợp / đa cấp để suy luận mạnh mẽ. Với GEE, bạn chỉ quan tâm đến việc tiến hành suy luận về phần cố định và bạn vẫn ổn khi không ước tính các thành phần phương sai, như bạn làm trong một mô hình hỗn hợp. Đối với các hiệu ứng cố định này, bạn có được ước tính mạnh mẽ / sandwich phù hợp ngay cả khi cấu trúc tương quan của bạn là misspecfieid. Suy luận cho mô hình hỗn hợp sẽ bị phá vỡ nếu mô hình bị sai, mặc dù.

Vì vậy, trong khi có nhiều điểm chung (cấu trúc đa cấp và khả năng giải quyết các mối tương quan còn lại), các mô hình hỗn hợp và GEE vẫn là một số thủ tục khác biệt. Gói R liên quan đến GEE được gọi một cách thích hợp geevà trong danh sách các giá trị corstrtùy chọn có thể có, bạn sẽ tìm thấy các cấu trúc bạn đã đề cập.

Từ quan điểm của GEE, lmerhoạt động với các mối tương quan có thể trao đổi ... ít nhất là khi mô hình có hai cấp độ phân cấp và chỉ có các lần chặn ngẫu nhiên được chỉ định.

Chi nhánh lmer FlexLamba cung cấp một chức năng như vậy.

Xem https://github.com/lme4/lme4/issues/224 để biết ví dụ về cách triển khai cấu trúc cụ thể của các lỗi hoặc hiệu ứng ngẫu nhiên.

Theo hiểu biết của tôi, lmer không có cách "dễ dàng" để giải quyết vấn đề này. Cũng được đưa ra rằng trong hầu hết các trường hợp, lmer sử dụng nhiều ma trận thưa thớt cho nhân tố Cholesky, tôi sẽ thấy rằng nó không cho phép các VCV hoàn toàn không có cấu trúc.

$(1|RandEff_1)+(1|RandEff_2)$

$R = \begin{bmatrix} \sigma_{RE1}^2 & 0& 0 & & 0 & 0 & 0\\ 0 & \sigma_{RE1}^2& 0 & & 0 & 0 & 0\\ 0 & 0& \sigma_{RE1}^2 & & 0 & 0 & 0\\ 0& 0& 0 & & \sigma_{RE2}^2 & 0 & 0 \\ 0 & 0& 0 & & 0 & \sigma_{RE2}^2 & 0\\ 0& 0& 0 & & 0& 0 & \sigma_{RE2}^2 \\\end{bmatrix}$

Tất cả không bị mất với LME mặc dù: Bạn có thể chỉ định các thuộc tính ma trận VCV này một cách "dễ dàng" là bạn đang sử dụng gói MCMCglmm của gói R. Nhìn vào CourseNotes.pdf , p.70. Trong trang đó, nó đưa ra một số điểm tương đồng về cách cấu trúc hiệu ứng ngẫu nhiên lme4 sẽ được xác định nhưng như bạn sẽ thấy chính mình, lmer kém linh hoạt hơn MCMCglmm trong vấn đề này.

Nửa chừng có vấn đề về các lớp corSturation của nlme, vd. corCompSymm , corAR1 , v.v. Phản ứng của Fabian trong guồng này đưa ra một số ví dụ ngắn gọn hơn cho đặc tả VCV dựa trên lme4 nhưng như đã đề cập trước khi chúng không rõ ràng như trong MCMCglmm hoặc nlme.