Julia 混合效应模型中随机斜率的相互作用答案

【问题标题】：Interaction of random slopes in mixed-effects models in JuliaJulia 混合效应模型中随机斜率的相互作用
【发布时间】：2017-08-24 19:13:09
【问题描述】：

LMM 中的随机效应的交互是否可能适合 Julia？

这会报错

model = fit!(lmm(@formula(response ~ 1 + A*B + (1+A*B|sub)), data)
ERROR: MethodError: no method matching getindex(::DataFrames.DataFrame, ::Expr)

拆开这些条款也无济于事。

model = fit!(lmm(@formula(response ~ 1 + A*B + (1+A+B+A&B|sub)), data)

这行得通

mode2 = fit!(lmm(@formula(response ~ 1 + A*B + (1+A+B|sub)), data)

请注意，当您与固定效果进行交互时不会出现任何问题。

【问题讨论】：

标签： regression julia interaction mixed-models

【解决方案1】：

也许这应该是 github 上的 MixedModels.jl 或 DataFrames.jl 中的问题。但是，无论如何，我已经找到了似乎有问题的地方：eterms 的 @formula 的计算。所以，为了让它工作，我重新定义了计算。将以下内容粘贴到 REPL 中并尝试有问题的fit!：

function DataFrames.evt(ex::Expr)
    if ex.head != :call error("Non-call expression encountered") end
    if !(ex.args[1] in DataFrames.nonevaluation)
        trms = DataFrames.getterms(ex)
        if length(trms)>1
            return vcat(map(DataFrames.evt,trms)...)
        else
            return [trms]
        end
    end
    return filter(x->!isa(x,Number), vcat(map(DataFrames.evt, ex.args[2:end])...))
end

现在，Cholesky 分解函数（我的 Julia 是 v0.7）的变化带来了另一个问题，这也是可以修复的，但如果其他一切正常，上述重新定义允许继续解决第一个问题。

这里是 MixedModels 和 DataFrames github 页面的链接：

【讨论】：

谢谢！这似乎确实有效。我正在使用 Julia v0.6.0 并且能够获得模型的完整输出。它不想使用fast=true 运行，但给出了与 R 中的 lmer 大致相同的结果（通常，我看到一些变化，所以无法判断这是由于重新定义了计算还是正常行为）。不确定 Cholesky 分解，但随机效应的相关性与 R 相比是关闭的。