modelos - Extrae variaciones de efectos aleatorios del objeto modelo lme4 mer

efecto anidado

Question

Tengo un objeto mer que tiene efectos fijos y aleatorios. ¿Cómo extraigo las estimaciones de varianza para los efectos aleatorios? Aquí hay una versión simplificada de mi pregunta.

study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
study

Esto proporciona una salida larga, no demasiado larga en este caso. De todos modos, ¿cómo selecciono explícitamente el

Random effects:
Groups   Name        Variance Std.Dev.
Subject  (Intercept) 1378.18  37.124  
Residual              960.46  30.991  

parte de la salida? Quiero los valores en sí mismos.

He echado un largo vistazo a

str(study)

¡y no hay nada allí! También verifiqué todas las funciones de extractor en el paquete lme4 en vano. ¡Por favor ayuda!

Answer 1

Algunas de las otras respuestas son viables, pero afirmo que la mejor respuesta es usar el método de acceso diseñado para esto: VarCorr (este es el mismo que en el predecesor de nlme , el paquete nlme ).

ACTUALIZACIÓN en versiones recientes de lme4 (versión 1.1-7, pero todo lo que sigue puede aplicarse a las versiones> = 1.0), VarCorr es más flexible que antes y debe hacer todo lo que quiera sin recurrir a la pesca dentro del objeto modelo ajustado.

library(lme4)
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
VarCorr(study)
##  Groups   Name        Std.Dev.
##  Subject  (Intercept) 37.124  
##  Residual             30.991

De forma predeterminada, VarCorr() imprime las desviaciones estándar, pero puede obtener varianzas en su lugar si lo prefiere:

print(VarCorr(study),comp="Variance")
##  Groups   Name        Variance
##  Subject  (Intercept) 1378.18 
##  Residual              960.46 

( comp=c("Variance","Std.Dev.") imprimirá ambos).

Para mayor flexibilidad, puede usar el método as.data.frame para convertir el objeto VarCorr , que proporciona la variable de agrupación, las variables de efecto, y la varianza / covarianza o desviación estándar / correlaciones:

as.data.frame(VarCorr(study))
##        grp        var1 var2      vcov    sdcor
## 1  Subject (Intercept) <NA> 1378.1785 37.12383
## 2 Residual        <NA> <NA>  960.4566 30.99123

Finalmente, la forma cruda del objeto VarCorr (que probablemente no debería meterse con usted si no es necesario) es una lista de matrices de varianza-covarianza con información adicional (redundante) que codifica las desviaciones y correlaciones estándar, así como también como atributos ( "sc" ) dando la desviación estándar residual y especificando si el modelo tiene un parámetro de escala estimado ( "useSc" ).

unclass(VarCorr(fm1))
## $Subject
##             (Intercept)      Days
## (Intercept)  612.089748  9.604335
## Days           9.604335 35.071662
## attr(,"stddev")
## (Intercept)        Days 
##   24.740448    5.922133 
## attr(,"correlation")
##             (Intercept)       Days
## (Intercept)  1.00000000 0.06555134
## Days         0.06555134 1.00000000
## 
## attr(,"sc")
## [1] 25.59182
## attr(,"useSc")
## [1] TRUE
## 

Answer 2

Tratar

attributes(study)

Como ejemplo:

> women
   height weight
1      58    115
2      59    117
3      60    120
4      61    123
5      62    126
6      63    129
7      64    132
8      65    135
9      66    139
10     67    142
11     68    146
12     69    150
13     70    154
14     71    159
15     72    164

> lm1 <- lm(height ~ weight, data=women)
> attributes(lm1)
$names
 [1] "coefficients"  "residuals"     "effects"       "rank"         
 [5] "fitted.values" "assign"        "qr"            "df.residual"  
 [9] "xlevels"       "call"          "terms"         "model"        

$class
[1] "lm"

> lm1$coefficients
(Intercept)      weight 
 25.7234557   0.2872492 

> lm1$coefficients[[1]]

[1] 25.72346


> lm1$coefficients[[2]]

[1] 0.2872492

El fin.

Answer 3

lmer devuelve un objeto S4, por lo que debería funcionar:

remat <- summary(study)@REmat
print(remat, quote=FALSE)

Que impresiones:

 Groups   Name        Variance Std.Dev.
 Subject  (Intercept) 1378.18  37.124  
 Residual              960.46  30.991  

... En general, puede ver la fuente de los métodos de print y summary para los objetos "mer":

class(study) # mer
selectMethod("print", "mer")
selectMethod("summary", "mer")

Answer 4

> attributes(summary(study))$REmat
 Groups     Name          Variance  Std.Dev.
 "Subject"  "(Intercept)" "1378.18" "37.124"
 "Residual" ""            " 960.46" "30.991"