Я хотел бы извлечь наклоны для каждого человека в модели смешанного эффекта, как обрисовано в общих чертах в следующем параграфе
Модели смешанных эффектов использовались для характеристики отдельных путей изменения показателей когнитивной сводки, включая термины для возраста, пола и года обучения в качестве фиксированных эффектов (Laird and Ware, 1982; Wilson et al., 2000, 2002c) ... Остаточные, индивидуальные условия снижения когнитивного спада были извлечены из смешанных моделей, после поправки на влияние возраста, пола и образования. Индивидуальные, скорректированные остаточные наклоны были затем использованы в качестве фенотипа количественного результата для анализа генетической ассоциации. Эти оценки равняются разнице между уклоном человека и прогнозируемым уклоном человека того же возраста, пола и уровня образования.
De Jager, PL, Shulman, JM, Chibnik, LB, Keenan, BT, Raj, T., Wilson, RS, et al. (2012). Общегеномное сканирование для общих вариантов, влияющих на скорость возрастного когнитивного снижения . Нейробиология старения, 33 (5), 1017.e1–1017.e15.
Я смотрел на использование coefфункции для извлечения коэффициентов для каждого человека, но я не уверен, является ли это правильным подходом для использования.
Кто-нибудь может дать совет, как это сделать?
#example R code
library(lme4)
attach(sleepstudy)
fml <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
beta <- coef(fml)$Subject
colnames(beta) <- c("Intercept", "Slope")
beta
summary(beta)
summary(fm1)
источник
Daysне центрируется в среднем, и, следовательно, точка пересечения модели ниже, чем среднее значениеReaction. Кроме того, линия регрессии - лучшая линейная подгонка. Следовательно, наблюдения не обязательно находятся на этой линии.