在 R 中解释 summary(glmer(...)) 的输出答案

【问题标题】：Interpreting the output of summary(glmer(...)) in R在 R 中解释 summary(glmer(...)) 的输出
【发布时间】：2014-07-13 06:06:28
【问题描述】：

我是R菜鸟，希望你能帮助我：

我正在尝试分析 R 中的数据集，但我不确定如何解释 summary(glmer(...)) 的输出，并且文档帮助不大：

> data_chosen_stim<-glmer(open_chosen_stim~closed_chosen_stim+day+(1|ID),family=binomial,data=chosenMovement)
> summary(data_chosen_stim)
Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial ( logit )
Formula: open_chosen_stim ~ closed_chosen_stim + day + (1 | ID)
   Data: chosenMovement

     AIC      BIC   logLik deviance df.resid 
    96.7    105.5    -44.4     88.7       62 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-1.4062 -1.0749  0.7111  0.8787  1.0223 

Random effects:
 Groups Name        Variance Std.Dev.
 ID     (Intercept) 0        0       
Number of obs: 66, groups: ID, 35

Fixed effects:
                    Estimate Std. Error z value Pr(>|z|)
(Intercept)           0.4511     0.8715   0.518    0.605
closed_chosen_stim2   0.4783     0.5047   0.948    0.343
day                  -0.2476     0.5060  -0.489    0.625

Correlation of Fixed Effects:
            (Intr) cls__2
clsd_chsn_2 -0.347       
day         -0.916  0.077

我了解它背后的 GLM，但我看不到自变量的权重及其误差范围。

【问题讨论】：

我不确定你所说的“权重”是什么意思。那里有一个部分总结了固定效应，包括系数估计和标准误差。你还有什么要找的吗？
如果 p(y|x, w, s²) = exp((yw^Tx - A(w^T x))/s² + c(y,s²))，那么我是本质上是在寻找 p(w|y,x)。是固定效果部分的Estimate等吗？
呃.....分页@BenBolker！
@zombiecalypse 我不遵循您的表示法，但Estimate 列是模型常数项（截距）的 \beta_i 和模型中的两个项。如果这是一个 (G)LM（无随机效应），这些将是模型系数；您想估计对响应的影响的事情。
我不得不说我也不遵循你的表示法......这可能更适合 CrossValidated （你也可以在你的问题中使用 LaTeX 表示法，它会很好地呈现）跨度>

标签： r statistics glm

【解决方案1】：

更新：weights.merMod 已经有一个type 参数...

我认为你在寻找什么weights(object,type="working")。

我相信这些是您的符号中W 的对角线元素？

这是一个与glm 和glmer 的结果相匹配的简单示例（因为随机效应是虚假的并且估计方差为零，所以固定效应、权重等收敛到相同的值）。

请注意，weights() 访问器默认返回 prior 权重（对于下面的示例，这些都等于 1）。

示例（来自?glm）：

 d.AD <- data.frame(treatment=gl(3,3),
                    outcome=gl(3,1,9),
                    counts=c(18,17,15,20,10,20,25,13,12))
 glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(),
                data=d.AD)
 library(lme4)
 d.AD$f <- 1  ## dummy grouping variable
 glmer.D93 <- glmer(counts ~ outcome + treatment + (1|f),
                    family = poisson(),
                    data=d.AD,
                    control=glmerControl(check.nlev.gtr.1="ignore"))

固定效果和权重是一样的：

 all.equal(fixef(glmer.D93),coef(glm.D93))  ## TRUE
 all.equal(unname(weights(glm.D93,type="working")),
                  weights(glmer.D93,type="working"),
           tol=1e-7)   ## TRUE

【讨论】：