Я собираюсь погрузиться в изучение R, и мой учебный проект повлечет за собой применение регрессии со смешанными или случайными эффектами к набору данных для разработки прогностического уравнения. Я разделяю озабоченность автора в этом посте Как выбрать библиотеку nlme или lme4 R для моделей со смешанными эффектами? задаваясь вопросом, является ли NLME или LME4 лучшим пакетом для ознакомления. Более простой вопрос: в чем разница между линейным и нелинейным моделированием смешанных эффектов?
Для справки я применил ME-моделирование в своем исследовании MS (в MATLAB, а не в R), поэтому я знаком с тем, как обрабатываются фиксированные и случайные переменные. Но я не уверен, была ли моя работа линейной или нелинейной. Это просто функциональная форма используемого уравнения или что-то еще?
Ответы:
Существует несколько различий между линейной и нелинейной регрессионными моделями, но основная математическая модель заключается в том, что линейные модели являются линейными по параметрам, тогда как нелинейные модели являются нелинейными по параметрам. Пинейро и Бейтс (2000, с. 284-285), авторы
nlme
пакета R, изящно описали более существенные соображения при выборе модели:Между пакетами nlme и lme4 также есть некоторые большие различия, которые выходят за рамки линейности. Например, используя nlme, вы можете подогнать линейные или нелинейные модели и, для любого типа, указать дисперсионные и корреляционные структуры для ошибок внутри группы (например, авторегрессия); Я не могу этого сделать. Кроме того, случайные эффекты можно фиксировать или пересекать в любом пакете, но гораздо проще (и более вычислительно) определить и смоделировать скрещенные случайные эффекты в lme4.
Я бы посоветовал сначала подумать, а) понадобится ли вам нелинейная модель, и б) нужно ли вам указывать либо внутригрупповую дисперсию, либо корреляционные структуры. Если любой из этих ответов - да, то вы должны использовать nlme (учитывая, что вы придерживаетесь R). Если вы много работаете с линейными моделями, которые скрещивают случайные эффекты, или со сложными комбинациями вложенных и скрещенных случайных эффектов, то lme4, вероятно, будет лучшим выбором. Возможно, вам придется научиться использовать оба пакета. Сначала я выучил lme4, а затем понял, что должен использовать nlme, потому что почти всегда работаю с авторегрессивными структурами ошибок. Однако я все еще предпочитаю lme4, когда анализирую данные экспериментов со скрещенными факторами. Хорошей новостью является то, что многое из того, что я узнал о lme4, хорошо перенесено в nlme. Так или иначе,
Ссылки
Pinheiro, JC, & Bates, DM (2000). Модели со смешанными эффектами в S и S-PLUS . Нью-Йорк: Спрингер-Верлаг.
источник
Для линейно-нелинейной части, см .: CrossValidated статью по этой теме , в частности ответ Чарли, занявший второе место. Я не думаю, что есть какие-то изменения при работе со смешанными эффектами.
источник