我有一个具有以下结构的数据框:
> t <- read.csv("combinedData.csv")[,1:7]
> str(t)
'data.frame': 699 obs. of 7 variables:
$ Awns : int 0 0 0 0 0 0 0 0 1 0 ...
$ Funnel : Factor w/ 213 levels "MEL001","MEL002",..: 1 1 2 2 2 3 4 4 4 4 ...
$ Plant : int 1 2 1 3 8 1 1 2 3 5 ...
$ Line : Factor w/ 8 levels "a","b","c","cA",..: 2 2 1 1 1 3 1 1 1 1 ...
$ X : int 1 2 3 4 7 8 9 10 11 12 ...
$ ID : Factor w/ 699 levels "MEL_001-1b","MEL_001-2b",..: 1 2 3 4 5 6 7 8 9 10 ...
$ BobWhite_c10082_241: int 2 2 2 2 2 2 0 2 2 0 ...
我想构建一个混合效果模型。我在数据框中知道要包含的随机效应(漏斗)是一个因素,但它不起作用:
> lmer(t$Awns ~ (1|t$Funnel) + t$BobWhite_c10082_241)
Error: couldn't evaluate grouping factor t$Funnel within model frame: try adding grouping factor to data frame explicitly if possible
实际上,无论发生什么,无论我想包含什么作为随机效果,例如Plant:
> lmer(t$Awns ~ (1|t$Plant) + t$BobWhite_c10082_241)
Error: couldn't evaluate grouping factor t$Plant within model frame: try adding grouping factor to data frame explicitly if possible
为什么R给我这个错误?我唯一能回答的是,馈入的随机效应不是DF中的因素。但是正如str所示,df $ Funnel当然是。
为函数建模提供方便的语法并同时具有可靠的实现实际上并不那么容易。大多数软件包作者都假定您使用了该data
参数,即使这样,也会出现范围问题。因此,如果您使用DF$col
语法指定变量,则可能会发生奇怪的事情,因为程序包作者很少花费大量精力来使其正常工作,并且为此不包括很多单元测试。
因此,data
如果模型函数提供了一种formula
方法,则强烈建议使用该参数。如果您不遵循该惯例(可能还会发生其他模型函数,例如lm
),就会发生奇怪的事情。
在您的示例中:
lmer(Awns ~ (1|Funnel) + BobWhite_c10082_241, data = t)
这不仅有效,而且编写起来也更加方便。
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