从 gamlss 对象中提取随机效果答案

【问题标题】：Extracting random effects from a gamlss object从 gamlss 对象中提取随机效果
【发布时间】：2018-07-05 04:10:19
【问题描述】：

我已经使用 R 中的 gamlss 包运行了一个带有随机截距模型的 beta 回归。调用看起来像：

uik.max.model <- gamlss(formula = max.opp.vote ~ n_commute + vote_commute + uik_dummy +
                      opp.gd + opp.m + pay + govt_dep + higher_ed + max.opp.n +
                      opp.m*vote_commute + opp.m*n_commute +
                      re(random = ~1|mf),
                    family = BE(),
                    data = poll_df)

我想从模型对象中提取每个分组因子 (mf) 的随机效应，以创建预测概率图，但我无法找到它们存储在对象中的位置/位置。

分组因子的每个值的随机截距是否可用？如果有，在哪里？

【问题讨论】：

标签： r gam random-effects

【解决方案1】：

要分析拟合对象的结构，我们可以使用str(uik.max.model)。因此可以在uik.max.model$mu.coefSmo[[1]]$coefficients$random 中找到随机效应。考虑这个例子：

library(gamlss)
# creating some data
variable <- as.factor(rep(1:26, 1e3))
levels(variable) <- LETTERS
value <- rbinom(2.6e4, 10, .5)
df1 <- data.frame(variable, value)

# fitting a minimal model
fit <- gamlss(formula = value ~ 1 +
              re(random = ~1|variable),
            data = na.omit(df1))

# analyzing structure of fitted object
str(fit)
# ...

# random effects for each value of "variable"
fit$mu.coefSmo[[1]]$coefficients$random
# $variable
# (Intercept)
# A -1.029350e-07
# B -2.465111e-09
# C  1.326496e-07
# D -1.632303e-08
# E  2.731609e-09
# F -4.403887e-08
# G -2.465111e-09
# H -7.695143e-08
# I  2.698297e-08
# J  4.950209e-08
# K -3.191319e-08
# L  9.627257e-08
# M -4.057439e-08
# N  3.737641e-08
# O -1.285855e-08
# P  1.551687e-07
# Q  1.312505e-08
# R -8.907712e-08
# S -9.394071e-09
# T  2.178625e-08
# U -7.661831e-09
# V -1.978751e-08
# W -8.734488e-08
# X  3.737641e-08
# Y -1.285855e-08
# Z -1.632303e-08

【讨论】：

太好了，谢谢！我用 'str()' 在错误的地方四处寻找。
很高兴为您提供帮助。
value 的总方差是由fit$mu.coefSmo 给出的variable 给出的吗？ IE。没有被variable 的水平分开的总随机截距方差。

【解决方案2】：

以下可能会有所帮助

summary(getSmo(uik.max.model)) # summary
ranef(getSmo(uik.max.model)) # random effect estimates
coef(getSmo(uik.max.model)) # fitted coefficients
intervals(getSmo(uik.max.model)) # Confidence intervals

请参阅：Stasinopoulos D. M.、Rigby R.A.、Heller G.、Voudouris V. 和 De Bastiani F.，（2017 年）灵活回归和平滑：在 R、Chapman 和 Hall/CRC 中使用 GAMLSS。第 10 章

最好的问候启

【讨论】：