问题。我想在 R 中做一个边际模型分析——我认为它有时被称为人口平均模型、边际多级模型或边际线性回归模型。但是,我在 stackoverflow、Google 或 Youtube 上找不到任何关于如何在 R 中专门执行此操作的信息。
背景。我指的是分析因素 here和here以及这些PowerPoint幻灯片中所述的边际模型。CrossValidated 上有一个人在 SPSS 和 R 中提到了这个分析,但他没有展示他的实际代码,他的问题也没有得到回答。不确定是否应该在nlme
包装中完成。
SPSS代码。我已经在 CrossValidated 的其他地方描述了这些数据的性质,但基本上,我们感兴趣的是通过个性(测量一次)预测参与者的情绪(在两种不同的条件下测量两次)。这是我在 SPSS 中使用的代码。
MIXED emotion BY condition WITH centeredPersonality
/FIXED=condition centeredPersonality condition*centeredPersonality
/METHOD = REML
/REPEATED= condition | SUBJECT (ID) COVTYPE(UN)
/PRINT=SOLUTION.
问题。如何在 R 中做到这一点?
我认为 geepack 包的 geeglm 可以做到这一点。我的理解是广义估计方程与边际模型是一回事。geeglm 的语法类似于 glm,如果您使用高斯族,您将得到类似于标准边际模型的结果。我确定还有其他方法,但这应该可行。
编辑:这是一个您可能会使用的示例,将情绪回归到两个变量、条件和个性以及它们的相互作用上。条件被视为一个因素,错误按 id 聚类。geeglm 的默认系列是 gaussian/Normal,所以我们不需要指定。
> library(geepack)
> dat <- data.frame(id = c(1, 1, 2, 2, 3, 3, 4, 4),
+ condition = factor(c(1, 2, 1, 2, 1, 2, 1, 2)),
+ personality = c(2.5, 2.5, 4.0, 4.0, 3.3, 3.3, 4.2, 4.2),
+ emotion = c(5.0, 4.9, 2.6, 2.3, 4.3, 2.9, 1.0, 1.0))
>
> my_mod <- geeglm(emotion ~ condition*personality, data = dat, id = id)
> summary(my_mod)
Call:
geeglm(formula = emotion ~ condition * personality, data = dat,
id = id)
Coefficients:
Estimate Std.err Wald Pr(>|W|)
(Intercept) 10.815 1.296 69.68 < 2e-16 ***
condition2 -0.902 1.284 0.49 0.48
personality -2.169 0.385 31.77 1.7e-08 ***
condition2:personality 0.129 0.322 0.16 0.69
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Estimated Scale Parameters:
Estimate Std.err
(Intercept) 0.223 0.0427
Correlation: Structure = independenceNumber of clusters: 4 Maximum cluster size: 2
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句