random-effects

    0热度

    1回答

    我想用xtreg获得随机效应拦截个别团体和他们的预测值。然而,所有的预测命令只是填充所有组的常数值。 利用1年数据: xtset group // set panel xtreg outcome, re predict u predict xb

    0热度

    1回答

    我试图拟合一个非线性模型,其中有近似50个变量(因为有一年固定效应)。问题是我有不能写入完整的公式向下像 nl_exp = as.formula(y ~ t1*year.matrix[,1] + t2*year.matrix[,2] +... +t45*year.matirx[,45] + g*(x^d)) nl_model = gnls(nl_exp, start=list

    0热度

    1回答

    我正在使用lmer函数的混合模型。我想获得所有固定和随机效应的p值。我能够使用不同的方法获得固定效果的p值,但我没有发现任何随机效果。无论我在互联网上找到什么方法,都要为它创建一个空模型,然后通过比较得到p值。我可以有一种方法,我不需要制作另一种模型? 我的模型看起来像: mod1 = lmer(Out〜Var1 +(1 + Var2 | Var3),data = dataset)

    0热度

    1回答

    我想考虑一下我的巢式研究设计在eHOF包的HOF功能。 我们采用嵌套在样本块和嵌套在村庄(随机)中的点进行采样。 到目前为止我用GLMM描述上物种丰富度生境类型(生境,说明,固定的)的效果(SPR,响应变量,固定)。因此,我使用的LME(NLME-包)其中,I可以结合嵌套研究设计在功能: model1<-lme(SpR~Habitat,random=~1|Village/Block,data=bi

    0热度

    1回答

    目前,我正在研究CEO离开公司的可能性(如果离开,二元变量=“1”)。我的数据是2013年至2015年期间50家公司的51个人的面板数据不平衡。 我试图运行两个回归模型(固定和随机效果)使用glmmML包。但是,我得到以下警告: pdata <- plm.data(ceodata, index=c("id","year")) fixed <- glmmboot(left ~ age+tenure

    3热度

    1回答

    我目前正在研究一些实验中的数据。因此,我有关于一些被随机分配到两种不同治疗方法的人的数据。对于每次治疗,我们跑了三次。在每次会议中,参与者被要求做出一系列决定。我想要做的是: (1)用一个模型估计治疗的效果,该模型包括对个体和随后的随机效应, (2)通过会话聚集标准错误。 在R,我可以很容易地估计随机效应模型与PLM包: model.plm<-plm(formula=DependentVar~Tr

    0热度

    1回答

    在我的研究中,我在多个地区对不同地区的相同网站进行了抽样。每个网站每年都有不同的属性,这对我的研究问题非常重要。我想知道,如果网站的属性影响生物多样性的网站。我对这些产品和地区的相互作用感兴趣。 概述: 生物多样性=响应 站点属性=固定的因素,每年都在变化 地区=固定的因素,同样每年区 网站=随机效应,重复采样在不同采样年份 年=随机效应,是“站点”重复的因子 此刻我的模型是这样的: mod1 <

    2热度

    1回答

    我对在JAGS中拟合下面的嵌套随机效应模型感兴趣。 SAS代码 proc nlmixed data=data1 qpoints=20; parms beta0=2 beta1=1 ; bounds vara >=0, varb_a >=0; eta = beta0+ beta1*t+ b2+b3; p = exp(eta)/(1+exp(eta));

    1热度

    1回答

    我试图在开始使用固定术语之前选择GLMM中最好的随机效果结构。为此,我包括了所有固定效应及其相互作用(超出最优模型),然后尝试使用随机因子的不同组合。我正在使用公式lmer()。模型用REML估算。然后我得到每个模型的AIC(),然后比较它们。 但我想知道没有随机效应的模型的AIC。我读过,然后我应该使用gls()。但我也可以使用glm()。与gls相同型号的AIC和glm相同型号的AIC非常不同

    2热度

    1回答

    我正试图在SAS中进行一个简单的单向随机效应ANOVA。我想知道人口差异是否显着不同于零。 在UCLA's idre site,他们声明如下使用PROC MIXED: proc mixed data = in.hsb12 covtest noclprint; class school; model mathach =/solution; random intercep