lme4 패키지의 glmer() 함수를 사용하여 무작위 효과가있는 일반 선형 모델을 실행 중입니다. 모델 코드는 다음과 같습니다 mod6 <- glmer((Ndifference+74337) ~ netm1011 + d1011 +
b0001 + (1|region), Gamma(link = "identity"))
Ndifference는 50 개
lmer 모델에서 '용어', 특히 ns 스플라인을 예측하려고합니다. mtcars 데이터 세트 (기술적으로 좋지 않은 예제이지만 문제를 해결하기 위해 노력)로 문제를 재현했습니다. data(mtcars)
mtcarsmodel <- lm(wt ~ ns(drat,2) + hp + as.factor(gear), data= mtcars)
summary(mtcar
패키지에서 하나의 계승 결과 lme을보고하고 싶습니다. 나는 A에 대한 전반적인 효과를 알고 싶다. 이렇게하려면 내가 널 모델로 모델을 비교하는 것이다 : 나는 다른 주요 효과 모델을 비교하고 있기 때문에 최대 가능성을 사용하고 m1 <- lme(y~A,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),meth
아래의 코드와 출력은 내가 원했던 해석을 제공합니다. 즉, 아래의 두 대조는 크게 다르지 않지만 세 번째는 다른 두와는 다릅니다. 이 비교에 사용 된 비교 및 p- 값을 어떻게 찾을 수 있습니까? 내 목표는 대조 (1-2) @ 목표 3이 다른 두 대조보다 훨씬 작다는 것을 테스트하는 것입니다. mod<-lmer(Mind_avg ~ MindType*Tar
glmer의 기능이 lme4 인 경우 다른 컴퓨터에서 다른 결과가 발생하는 이유가 있습니까? 머신의 하드웨어는 실질적으로 다르지만 모두 동일한 OS, R 및 패키지 버전 을 실행하고 있습니다 (실제로는 사실이 아닙니다). 이 수식에는 그룹화 된 이항 응답 변수와 22 개의 연속 고정 효과가 있습니다.이 고정 효과는 모두 동일한 배율과 몇 개의 임의 효과로
lmer로 빌드 된 혼합 효과 모델 (m)에 대한 P 값을 얻으려고합니다. 다음 명령을 사용하여 P 값을 추출했지만 불행히도 나는 < 10-16에 대해 P = 0.0000을 얻었습니다. 아래 예제를 참조하십시오 : coefs <- data.frame(coef(summary(m)))
coefs$p.z <- 2 * (1 - pnorm(abs(coefs$t.v
나는 연속 응답 변수 yld과 범주 적 예측 자 check (3 수준 포함)을가집니다. 나는 어느 수준이 서로 다른지보기 위해 편도 ANOVA와 post-hoc 테스트를 수행했습니다. mdl<-aov(sqrt(var$yld) ~ var$check); summary(mdl);TukeyHSD(mdl)
Df Sum Sq Mean Sq F valu
연구에 혼합 선형 모델을하려고합니다. 코드가 맞는지 아닌지 알고 싶습니다. MY 디자인 - 각 사이트 내에 5 개의 사이트, 2 개의 하위 사이트 및 각 사이트 내에 2 개의 영구 쿼드 레이드가 있습니다. 그래서 5 개의 사이트, 10 개의 하위 사이트 및 20 개의 사각형이 있습니다. 나는 모든 quadrats에서 (산호의) 식민지 크기를 측정했다. 제
120 명, 6 회 측정 한 종단 연구를 분석하기 위해 R에 lmer() 함수 (lme4 패키지)를 사용하고 있습니다. 첫번째 경우에,이 같은 모델을 지정 : library(lme4)
model1 = lmer(DV ~ 1 + X1*X2 + (1+X1|SubjectID), REML="false")
X1은 시변 변수 (레벨 1) 및 X2 피사체 수준 변수