저는 R 및 혼합 모델 분석에 상당히 익숙합니다. lme4/nlme을 사용하여 변화하는 변수에 대한 예상치를 어떻게 만들 수 있습니까?
나는 모든 개인에 대한time
에 따라 변수
ln_ahr
의 변화에 대해 하나의 추정을 생성 할 수 있도록 싶었다. 나는 이것이 시간의 변화의 기울기로 생각할 수 있다고 생각한다. 여기 내 데이터 (긴 형식)을 구성하는 방법입니다 :
v001
주제 식별자
v001 ln_ahr time
13404 28337 0.28438718 0
13405 28337 NA 3
13406 28337 NA 6
13407 28337 1.05015991 9
13408 28337 NA 12
13409 28337 1.33345188 15
13410 28337 NA 19
13413 28355 1.14904314 0
13414 28355 NA 3
13415 28355 1.06546008 6
13416 28355 NA 9
13417 28355 1.17865500 12
13418 28355 2.84949593 15
13423 29983 0.07015499 0
13424 29983 0.21056477 3
13426 29983 0.36125306 9
13427 29983 0.66139848 12
13428 29983 0.16962391 16
.
난 같이 R에nlme
패키지를 이용하여 기울기를 계산하려고 :
slope <- lme(ln_ahr~time,random=~1+time|v001,
data=restructured,na.action="na.omit")
및 I는 ranef(slope)
coef(slope)
과 값을 얻어 시도했다. I 나 각의 추정을 제공 할 것 coef(slope)
값은 "각 그룹 요소 각각 설명 변수, 고정 랜덤 효과 계수의 합을 계산"는 따라서 I는 시간의 계수를 인쇄 (절편 값을 떠나는) 것으로 생각 읽기 시간이 지남에 따라 개인의 변화가 ln_ahr
이되고,이를 내 "기울기"또는 변경 추정치로 사용할 수 있습니다 (ln_ahr
). time
0 ln_ahr
측정 첫해 나타내는 곳
시간 년과 같이 계산된다; 모든 사람은 3 년마다 측정됩니다.
궁금이 전혀 또는 내가 올바르게 않은 경우 올바른 접근하는 경우; 당신의 제안은 무엇입니까?
예, 정확합니다 ... –
@Ben Bolker 답장을 보내 주셔서 감사합니다.이것은 변화 추정치로서 * time * 인'coef (slope) [, 2]'만을 고려하는 것이 맞습니까? 생존 분석에서이 추정치를 사용하면 더 가파른 경사면을 가진 사람들이 일찍 사망하는지 확인하기 위해 문제가 발생합니다. coxph 호출에 대한 계수와 확률 비율은 매우 많아서 오류가 있다고 생각하게되었습니다. * ln_ahr * 변수가 로그 변환되고 이것이 그 이유인지 궁금합니다. 다소 모호하다는 것을 이해하지만 당신의 생각을 듣고 싶었습니다. – guaguncher
좀 더 복잡한 예제로 재미있는 일이 있는지 알 수 없습니다. 더 자세한 내용을 담은 다른 질문을 게시해야 할 수도 있습니다. –