【问题标题】:How can run 2 separate regression models with lmer using only one formula?如何仅使用一个公式使用 lmer 运行 2 个单独的回归模型?
【发布时间】:2021-12-29 05:45:40
【问题描述】:

考虑,“y”作为因变量,“x1”和“x2”作为自变量。 考虑两个分类变量“GROUPING”和“REGION”,每个变量有 2 个级别。 考虑包含所有变量的 data_model。

考虑 2 个 lmer 模型,

data_model_R1 = subset(data_model, REGION=='R1')
formula_R1 = "y ~ 1 + x1 + x2 + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)"
model_R1 = lmer(formula_R1 , data_model_R1)

data_model_R2 = subset(data_model, REGION=='R2')
formula_R2 = "y ~ 1 + x1 + x2 + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)"
model_R2 = lmer(formula_R2 , data_model_R2)

如何用一个公式创建一个等效的“模型”来获取“model_R1”和“model_R2”中生成的所有系数? 类似的,

model = lmer(formula, data_model)

【问题讨论】:

  • 你能把数据发一下吗

标签: r regression linear-regression lme4 mixed-models


【解决方案1】:

如何用一个公式创建一个等效的“模型”来获取“model_R1”和“model_R2”中生成的所有系数

你不能真正做到这一点。您正在根据REGION 变量的值拆分每个模型的数据。人们通常会这样做,因为他们期望预测变量和响应之间的关联会发生变化,具体取决于另一个变量的值(在这种情况下为REGION)。然而,这通常是一个坏主意,因为它会导致统计能力的巨大损失。相反,一个更好的想法是拟合其他变量与预期与响应具有不同关联的任何变量之间的交互作用。例如,如果我们想让x2 和y 之间的关联根据REGION 的值而变化,我们将适合:

y ~ 1 + x1 + x2*REGION + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2016-03-22
    • 2013-02-14
    • 1970-01-01
    • 2015-02-10
    • 1970-01-01
    相关资源
    最近更新 更多