lme4::lmer() С A -1?

Я смотрю на модель lmer, которая была закодирована, и я не совсем понимаю, что делает / делает -1. Код выглядит как fit = lmer(resids ~ -1 + (1|loc/time))

Я считаю, что часть (1|loc/time) может быть эквивалентно записана как (1|loc) + (1|loc:time), что является случайным пересечением loc и случайным пересечением time, варьирующимся в пределах loc.

Теперь часть, которую я не совсем понимаю: -1, которая, я думаю, связана со средним значением. Единственное место, где я нашел что-либо об использовании -1 в этом месте (в отличие от 1 или оставления его пустым), находится на странице 7 Подбор линейных моделей смешанных эффектов с использованием lme4. В приведенной здесь таблице он показан в сочетании с offset(o), который используется для указания того, что случайный перехват имеет априорно известные средства. Итак, моя интуиция подсказывает, что отсутствие offset(o) было бы таким же, как использование offset(0) (число 0, а не символ o), что означало бы, что все априорные означают 0.

Это верно?


r statistics lme4 random-effects
person Ryan S    schedule 21.06.2021    source источник
comment
Это означает подавление перехвата stackoverflow.com/a/14218910/5221626   -  person Phil    schedule 22.06.2021

Ответы (1)


arrow_upward
0
arrow_downward

Да, это устанавливает компонент фиксированного эффекта модели точно равным нулю. Хотя это законно, это довольно странная модель; Я надеюсь, что тот, кто его кодировал, знает, что делает. Я могу придумать только две причины, по которым вам подойдет модель с пустым компонентом с фиксированным эффектом:

  • по какой-то причине вы хотите сделать тест отношения правдоподобия для значимости перехвата (это необычно, в большинстве случаев перехват не представляет особого статистического интереса)
  • у вас есть конкретный план эксперимента, в котором известно, что среднее значение априори равно нулю (например, ваша переменная ответа представляет собой некоторую разницу между двумя элементами, которые были рандомизированы для возможности обмена).
lmer(Reaction ~ -1 + (Days|Subject), sleepstudy)
Linear mixed model fit by maximum likelihood  ['lmerMod']
Formula: Reaction ~ -1 + (Days | Subject)
   Data: sleepstudy
      AIC       BIC    logLik  deviance  df.resid 
1840.7814 1853.5532 -916.3907 1832.7814       176 
Random effects:
 Groups   Name        Std.Dev. Corr
 Subject  (Intercept) 252.53       
          Days         11.93   0.88
 Residual              25.59       
Number of obs: 180, groups:  Subject, 18
No fixed effect coefficients
person Ben Bolker    schedule 22.06.2021
comment
Пункт 2 очень распространен в социальных науках и психологии. - person Phil; 22.06.2021
comment
Спасибо. Да, странная модель. - person Ryan S; 22.06.2021