R lme 線性混合效應模型

說明

該通用函數符合 Laird 和 Ware (1982) 中說明的公式中的線性混合效應模型，但允許嵌套隨機效應。組內誤差允許相關和/或具有不等方差。

本頁介紹了公式方法；方法 lme.lmList 和 lme.groupedData 單獨記錄。

用法

lme(fixed, data, random, correlation, weights, subset, method,
    na.action, control, contrasts = NULL, keep.data = TRUE)

## S3 method for class 'formula'
lme(fixed, data, random, correlation, weights, subset, method,
    na.action, control, contrasts = NULL, keep.data = TRUE)

## S3 method for class 'lme'
update(object, fixed., ..., evaluate = TRUE)

參數

object	繼承自類 lme 的對象，表示擬合的線性混合效果模型。
fixed	說明模型的 fixed-effects 部分的兩側線性公式對象，響應位於 ~ 運算符的左側，術語由 + 運算符分隔，右側是 "lmList" 對象，或 "groupedData" 對象。 對以下公式的支持有限resp ~ 1和resp ~ 0，並且早於版本‘⁠3.1-112⁠’。
fixed.	對fixed-effects 公式的更改 - 有關詳細信息，請參閱update.formula。
data	包含 fixed 、 random 、 correlation 、 weights 和 subset 中命名的變量的可選 DataFrame 。默認情況下，變量取自調用 lme 的環境。
random	可選地，以下任何一項：(i) ~ x1 + ... + xn | g1/.../gm 形式的片麵公式，其中 x1 + ... + xn 指定隨機效應模型，g1/.../gm 指定分組結構(m 可能等於 1，在這種情況下不需要/)。在多級別分組的情況下，隨機效應公式將針對所有級別的分組重複； (ii) ~ x1 + ... + xn | g 形式的單邊公式列表，每個分組級別可能具有不同的隨機效應模型。嵌套順序將假定與列表中元素的順序相同； (iii) ~ x1 + ... + xn 形式的片麵公式，或帶有公式的 pdMat 對象(即 formula(object) 的非 NULL 值)，或此類公式或 pdMat 對象的列表。在這種情況下，分組結構公式將從用於擬合線性混合效應模型的數據中導出，該公式應繼承自類 "groupedData" ； (iv) 如 (iii) 中所示的公式或 pdMat 對象的命名列表，其中分組因子作為名稱。嵌套順序將假定與列表中元素的順序相同； (v) reStruct 對象。有關可用 pdMat 類的說明，請參閱 pdClasses 的文檔。默認為由 fixed 右側組成的公式。
correlation	說明組內相關結構的可選 corStruct 對象。有關可用 corStruct 類的說明，請參閱 corClasses 的文檔。默認為 NULL ，對應於沒有組內相關性。
weights	可選的 varFunc 對象或說明組內異方差結構的單邊公式。如果作為公式給出，則它將用作 varFixed 的參數，對應於固定方差權重。有關可用 varFunc 類的說明，請參閱 varClasses 的文檔。默認為 NULL ，對應於同方差組內誤差。
subset	一個可選表達式，指示應在擬合中使用的 data 行的子集。這可以是邏輯向量，或者指示要包括哪些觀察編號的數值向量，或者要包括的行名稱的字符向量。默認情況下包括所有觀察結果。
method	一個字符串。如果"REML" 則通過最大化受限對數似然來擬合模型。如果"ML" 則對數似然最大化。默認為 "REML" 。
na.action	一個函數，指示當數據包含 NA 時應該發生什麽。默認操作 ( na.fail ) 會導致 lme 打印錯誤消息並在存在任何不完整的觀察結果時終止。
control	估計算法的控製值列表，用於替換函數 lmeControl 返回的默認值。默認為空列表。
contrasts	可選列表。請參閱 model.matrix.default 的 contrasts.arg 。
keep.data	邏輯：data 參數(如果提供和 DataFrame )是否應該保存為模型對象的一部分？
...	該泛型的某些方法需要額外的參數。此方法中沒有使用任何內容。
evaluate	如果 TRUE 評估新調用，否則返回該調用。

細節

fixed 中的 offset 術語自 3.1-157 (2022-03) 起是一個錯誤：之前它們被默默地忽略。

值

代表線性混合效應模型擬合的 "lme" 類對象。 print 、 plot 和 summary 等通用函數具有顯示擬合結果的方法。有關配合的組成部分，請參閱lmeObject。函數 resid 、 coef 、 fitted 、 fixed.effects 和 random.effects 可用於提取其某些組件。

注意

該函數不會在內部進行任何縮放：當響應縮放時優化效果最好，因此其方差約為 1。

例子

fm1 <- lme(distance ~ age, data = Orthodont) # random is ~ age
fm2 <- lme(distance ~ age + Sex, data = Orthodont, random = ~ 1)
summary(fm1)
summary(fm2)

作者

José Pinheiro and Douglas Bates bates@stat.wisc.edu

參考

The computational methods follow the general framework of Lindstrom and Bates (1988). The model formulation is described in Laird and Ware (1982). The variance-covariance parametrizations are described in Pinheiro and Bates (1996). The different correlation structures available for the correlation argument are described in Box, Jenkins and Reinsel (1994), Littell et al (1996), and Venables and Ripley (2002). The use of variance functions for linear and nonlinear mixed effects models is presented in detail in Davidian and Giltinan (1995).

Box, G.E.P., Jenkins, G.M., and Reinsel G.C. (1994). Time Series Analysis: Forecasting and Control, 3rd Edition, Holden-Day.

Davidian, M. and Giltinan, D.M. (1995). Nonlinear Mixed Effects Models for Repeated Measurement Data, Chapman and Hall. doi:10.1201/9780203745502.

Laird, N.M. and Ware, J.H. (1982). Random-Effects Models for Longitudinal Data. Biometrics 38, 963-974. doi:10.2307/2529876.

Lindstrom, M.J. and Bates, D.M. (1988). Newton-Raphson and EM Algorithms for Linear Mixed-Effects Models for Repeated-Measures Data. Journal of the American Statistical Association 83, 1014-1022. doi:10.2307/2290128.

Littell, R.C., Milliken, G.A., Stroup, W.W., and Wolfinger, R.D. (1996). SAS Systems for Mixed Models, SAS Institute.

Pinheiro, J.C. and Bates., D.M. (1996). Unconstrained Parametrizations for Variance-Covariance Matrices. Statistics and Computing 6, 289-296. doi:10.1007/BF00140873.

Pinheiro, J.C., and Bates, D.M. (2000). Mixed-Effects Models in S and S-PLUS, Springer. doi:10.1007/b98882.

Venables, W.N. and Ripley, B.D. (2002). Modern Applied Statistics with S, 4th Edition, Springer-Verlag. doi:10.1007/978-0-387-21706-2.

也可以看看

corClasses , lme.lmList , lme.groupedData , lmeControl , lmeObject , lmeStruct , lmList , pdClasses , plot.lme , predict.lme , qqnorm.lme , residuals.lme , reStruct , simulate.lme , summary.lme , varClasses , varFunc