혼합 효과 선형 회귀 모델의 AIC 값을 R

Question

데이터 세트를 1000 번 대체하여 리샘플링했고 이제 1000 개 데이터 세트 각각에 3 가지 모델을 적용하고 AIC 점수를 포기하려고합니다. 이 절차의 최종 목표는 95 % 신뢰 구간과 함께 모든 모델에서 각 모델에 대한 평균 AIC 점수를 얻는 것입니다. 아래의 코드는 오류가 있으며 어디에서 실수하는지 알 수 없습니다. 최종 행렬에는 처음 몇 번의 반복 (즉, 모두 1000 개가 아닌)의 AIC 점수 벡터 만 포함됩니다. 각 반복마다 주 매트릭스 또는 벡터를 초기화하는 방식에 오류가 있습니까? 아니면 내 행 추가 프로 시저에 결함이 있습니까? 또는 코드가 맞다면이 코드에 입력되는 데이터 세트가있을 수 있습니까? 후자의 경우 코드가이 데이터 세트를 읽고 건너 뛰면 오류가 발생하지 않는 이유는 무엇입니까? 나는 며칠 동안 고생하고 있었고 매우 의아해했기 때문에 어떤 도움을 주시면 감사하겠습니다.

require(lme4) 
require(lmerTest) 

# initializing an empty matrix for storing each vector of AIC scores from each iteration 
# the matrix has width 3 because three models are fitted at each iteration 
AIC.scores = data.frame(matrix(, nrow = 0, ncol = 3)) 

#fit regression models to each of 1000 datasets 
for(iter in 1:1000){ 

    #retrieving the data set, named accordingly, for the current iteration 
    data = read.csv(paste("data_set_", iter,".csv", sep=""), header=TRUE) 

    #initializing vector of AICs from models in current iteration 
    AIC.score = vector(mode="numeric", length=3) 

    mod1 = lmer(RT.log ~ crit.var1.log.std + 
         (1|Subject) + 
         (1|Item), 
          data = data, 
          REML=FALSE) 

    AIC.score[1] = summary(mod1)$AIC[1] 

    mod2 = lmer(RT.log ~ crit.var2.log.std + 
         (1|Subject) + 
         (1|Item), 
          data = data, 
          REML=FALSE) 

    AIC.score[2] = summary(mod2)$AIC[1] 

    mod3 = lmer(RT.log ~ crit.var3.log.std + 
         (1|Subject) + 
         (1|Item), 
          data = data, 
          REML=FALSE) 

    AIC.score[3] = summary(mod3)$AIC[1] 

    #adding vector of AICs scores from current iteration to main matrix 
    AIC.scores = rbind(AIC.scores, t(AIC.score)) 

    cat("bagging iteration", iter, "completed!\n") 

} 

#renaming column names in AIC score matrix 
colnames(AIC.scores) = c("model1", "model2", "model3") 

# function for calculating mean AIC and 95% C.I.s for each model across all iterations 
norm.interval = function(data, z=1.96) { 
    mean = mean(data) 
    variance = var(data) 
    sd = sqrt(variance/length(data)) 
    c(mean, mean - z * sd, mean + z * sd) 
} 

for (i in 1:3) { 

    cat("The mean, lCI, uCI for model", i, "are:", norm.interval(AIC.scores[,i]), "\n") 

} 

Answer 1

당신의 모델이 무엇인지, 데이터가 무엇인지 모르게 어두운 곳에서 촬영하십시오. 텍스트 형태로 lmer 공식 밖으로

all.data <- lapply(paste0("data_set_", 1:1000, ".csv"), read.csv, header=TRUE) 

버터 제조기, 위의 데이터의 목록을 기반으로 :

all.form <- lapply(paste0("all.data[[", 1:1000, "]]"), function(x) list(
    mod1 = paste0("lmer(RT.log ~ crit.var1.log.std + (1|Subject) + (1|Item), REML=FALSE, data =", x, ")"), 
    mod2 = paste0("lmer(RT.log ~ crit.var2.log.std + (1|Subject) + (1|Item), REML=FALSE, data =", x, ")"), 
    mod3 = paste0("lmer(RT.log ~ crit.var3.log.std + (1|Subject) + (1|Item), REML=FALSE, data =", x, ")") 
)) 

가 lmer을 실행하여 하나의 목록으로 모든 data.frame의

읽기 수식을 작성하고 단일 목록에 모델을 적어 두십시오.

all.lmer.mod <- lapply(all.form. function(x) lapply(x, function(y) eval(parse(text=y)))) 

lmer 모델의 모든 AIC 값을 추출하십시오.

all.AIC <- lapply(all.lmer.mod, function(x) lapply(x, AIC)) 

대용량 data.frame이 있고 많은 과목 및 항목 수준이있는 경우 프로세스가 오래 걸릴 수 있습니다. 상단에 1:1000을 변경하여 테스트하여 1:2을 먼저 말하십시오.