原创R语言用Rshiny探索广义线性混合模型GLMM和线性混合模型LMM数据分析报告附代码数据文档格式.docx
- 文档编号:14757024
- 上传时间:2022-10-24
- 格式:DOCX
- 页数:7
- 大小:305.61KB
原创R语言用Rshiny探索广义线性混合模型GLMM和线性混合模型LMM数据分析报告附代码数据文档格式.docx
《原创R语言用Rshiny探索广义线性混合模型GLMM和线性混合模型LMM数据分析报告附代码数据文档格式.docx》由会员分享,可在线阅读,更多相关《原创R语言用Rshiny探索广义线性混合模型GLMM和线性混合模型LMM数据分析报告附代码数据文档格式.docx(7页珍藏版)》请在冰豆网上搜索。
merTools"
Rshiny的应用程序和演示
演示此应用程序功能的最简单方法是使用捆绑的Shiny应用程序,该应用程序会在此处启动许多指标以帮助探索模型。
去做这个:
devtools:
:
library(merTools)
m1<
-lmer(y~service+lectage+studage+(1|d)+(1|s),data=InstEval)
shinyMer(m1,simData=InstEval[1:
100,])#justtrythefirst100rowsofdata
在第一个选项卡上,该功能提供了用户选择的数据的预测间隔,这些预测间隔是使用predictInterval包中的功能计算得出的。
通过从固定效应和随机效应项的模拟分布中进行采样,并将这些模拟估计值组合起来,可以为每个观测值生成预测分布,从而快速计算出预测间隔。
这允许从非常大的模型中生成预测间隔,bootMer而在计算上将无法使用。
在下一个选项卡上,在置信区间图上显示固定效应和组级效应的分布。
这些对于诊断很有用,并提供了一种检查各种参数的相对大小的方法。
这个标签使得使用的四个相关功能merTools:
FEsim,plotFEsim,REsim和plotREsim它们可将自己的使用。
在第三个选项卡上,有一些方便的方法可以利用的力量来显示影响或影响的大小predictInterval。
对于每种情况,最多为12种,在选定的数据类型中,用户可以查看更改固定效果之一或分组级别项之一的影响。
使用该REimpact函数,如果所有其他条件保持相等,则使用模型的预测对每种情况进行模拟,但是观察将通过固定效应或随机效应项的分布进行。
这是根据因变量的比例绘制的,它使用户可以比较跨变量以及相同数据的模型之间的影响幅度。
预测
标准预测看起来像这样。
predict(m1,newdata=InstEval[1:
10,])
#>
12345678
3.1463363.1652113.3984993.1142483.3206863.2526704.1808963.845218
910
3.7793363.331012
通过predictInterval我们获得的预测更像由lm和产生的标准对象glm:
#predictInterval(m1,newdata=InstEval[1:
10,])#allotherparametersareoptional
predictInterval(m1,newdata=InstEval[1:
10,],n.sims=500,level=0.9,
stat='
median'
fitlwrupr
13.0741481.1122554.903116
23.2435871.2717255.200187
33.5290551.4093725.304214
43.0727881.0799445.142912
53.3955981.2681695.327549
63.2620921.3337135.304931
74.2153712.1366546.078790
83.8163991.8600715.769248
93.8110901.6971615.775237
103.3376851.4173225.341484
请注意,predictInterval速度较慢,因为它是在计算模拟。
它还可以将所有模拟yhat值作为属性返回给预测对象本身。
predictInterval大量使用软件包中的sim函数arm来绘制模型参数的分布。
然后,将这些模拟值组合起来以创建yhat每个观测值的分布。
绘图
merTools还提供了merMod视觉检查对象的功能。
最简单的方法是获得固定和随机效应参数的后验分布。
feSims<
-FEsim(m1,n.sims=100)
head(feSims)
termmeanmediansd
1(Intercept)3.226735243.227931680.01798444
2service1-0.07331857-0.074823900.01304097
3lectage.L-0.18419526-0.184517310.01726253
4lectage.Q0.022877170.021871720.01328641
5lectage.C-0.02282755-0.021170140.01324410
6lectage^4-0.01940499-0.020410360.01196718
我们还可以绘制以下内容:
plotFEsim(FEsim(m1,n.sims=100),level=0.9,stat='
intercept=FALSE)
我们还可以根据随机效应条件快速绘制履带图:
reSims<
-REsim(m1,n.sims=100)
head(reSims)
groupFctrgroupIDtermmeanmediansd
1s1(Intercept)0.153173160.116656540.3255914
2s2(Intercept)-0.08744824-0.039644930.2940082
3s3(Intercept)0.290631260.300654500.2882751
4s4(Intercept)0.261765150.264285220.2972536
5s5(Intercept)0.060694580.065189770.3105805
6s6(Intercept)0.080553090.058724260.2182059
plotREsim(REsim(m1,n.sims=100),stat='
sd=TRUE)
请注意,plotREsim具有模拟分布且不与0重叠的突出显示的组级别-显得较暗。
较亮的条表示在数据中不能与0区分的分组级别。
有时,随机效应可能难以解释,并且并非所有效应都有意义地不同于零。
为了merTools提供帮助,该expectedRank功能提供了随机效应分布中观察组的百分等级,同时考虑了每个组的估计效应的大小和不确定性。
ranks<
-expectedRank(m1,groupFctr="
d"
head(ranks)
d(Intercept)(Intercept)_varERpctER
118661.25536130.0127556341123.806100
212581.16748520.0342912281115.76699
32401.09333720.0087612181115.09099
4791.09986530.0230959791112.31599
56761.01690700.0265621741101.55398
6660.95686070.0086028231098.04997
效果模拟
仍然很难解释LMM和GLMM模型的结果,尤其是各种参数对预测结果的相对影响。
这是其中REimpact和wiggle功能merTools可以方便使用的地方。
impSim<
-REimpact(m1,InstEval[7,],groupFctr="
breaks=5,
n.sims=300,level=0.9)
impSim
casebinAvgFitAvgFitSEnobs
1112.7870332.801368e-04193
2123.2605655.389196e-05240
3133.5611375.976653e-05254
4143.8409416.266748e-05265
5154.2353761.881360e-04176
的结果REimpact显示了根据群因子系数的大小,从第1个五分位数到第5个五分位数移动yhat的情况的变化newdata。
我们在这里可以看到,个别教授效应对结果变量有很大的影响。
这也可以图形方式显示:
library(ggplot2)
ggplot(impSim,aes(x=factor(bin),y=AvgFit,ymin=AvgFit-1.96*AvgFitSE,
ymax=AvgFit+1.96*AvgFitSE))+
geom_pointrange()+theme_bw()+labs(x="
Binof`d`term"
y="
PredictedFit"
这里的标准误差有些不同–它是箱内平均效果的加权标准误差。
它没有考虑垃圾箱中每个观测值的影响范围内的可变性-考虑这种变化将是未来的补充merTools。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 原创 语言 Rshiny 探索 广义 线性 混合 模型 GLMM LMM 数据 分析 报告 代码
链接地址:https://www.bdocx.com/doc/14757024.html