截取随机效应 - 库（sommer）答案

【问题标题】：Intercept of random effect - library(sommer)截取随机效应 - 库（sommer）
【发布时间】：2018-09-15 20:49:04
【问题描述】：

当我运行这个混合模型时，我得到了我需要的所有统计数据。

library(sommer)
data(example)
#Model without intercept - OK
ans1 <- mmer2(Yield~Env,
              random= ~ Name + Env:Name,
              rcov= ~ units,
              data=example, silent = TRUE)
summary(ans1)
ans1$u.hat #Random effects

但是，如果我尝试获取随机效应的截距，例如在 R 库 lme4 中，我会收到如下错误：

Error in dimnames(x) <- dn : 
  length of 'dimnames' [2] not equal to array extent


#Model with intercept
ans2 <- mmer2(Yield~Env,
              random= ~ 1+Name + Env:Name,
              rcov= ~ units,
              data=example, silent = TRUE)
summary(ans2)
ans2$u.hat #Random effects

我该如何克服？

【问题讨论】：

标签： r random mixed-models intercept rlang

【解决方案1】：

你的模特：

ans1 <- mmer2(Yield~Env,
              random= ~ Name + Env:Name,
              rcov= ~ units,
              data=example, silent = TRUE)

相当于：

ans1.lmer <- lmer(Yield~Env + (1|Name) + (1|Env:Name),
              data=example)

使用 lme4。请注意，lme4 使用符号 (x|y) 来指定是否存在例如对于作为随机回归模型的第二项 (y 项) 的每个级别的不同截距 (x 项)。如果您指定：

ans2.lmer <- lmer(Yield~Env + (Env|Name),
              data=example)

您会得到三个方差分量，每个分量对应于 Env 项中的 3 个级别。 sommer 中的等价物不是随机回归，而是使用 diag() 功能的异构方差模型：

ans2 <- mmer2(Yield~Env,
              random= ~ diag(Env):Name,
              rcov= ~ units,
              data=example, silent = TRUE)

## or in sommer >=3.7

ans2 <- mmer(Yield~Env,
              random= ~ vs(ds(Env),Name),
              rcov= ~ units,
              data=example, silent = TRUE)

上面的前 2 个模型是等价的，因为两个模型都假设没有不同的截距，而后两个模型解决了相同的问题，但采用了两种不同的方法，但并不完全相同；随机回归与异质方差模型。

简而言之，sommer 尚未实现随机回归，因此您不能像在 lme4 中那样在 sommer 中使用随机截距，而是使用异构方差模型。

干杯，

【讨论】：

【解决方案2】：

我知道这不是一个优雅的解决方案，但是如何在数据中添加截距，以便您可以轻松地在模型中使用它？

我的意思是：

example <- cbind(example, inter=1)
ans2 <- mmer2(Yield~Env,
          random= ~ Name + Env:Name + inter, #here inter are 1's
          rcov= ~ units,
          data=example, silent = TRUE)
summary(ans2)
ans2$u.hat

【讨论】：