Saya mencoba menyesuaikan model campuran multivarian (yaitu, beberapa respons) di R
. Selain dari paket ASReml-r
dan SabreR
(yang memerlukan perangkat lunak eksternal), sepertinya ini hanya mungkin di MCMCglmm
. Dalam makalah yang menyertai MCMCglmm
paket (hal.6), Jarrod Hadfield menggambarkan proses pemasangan model seperti seperti membentuk kembali beberapa variabel respon menjadi satu variabel format panjang dan kemudian menekan keseluruhan intersep. Pemahaman saya adalah bahwa menekan intersep mengubah interpretasi koefisien untuk setiap level variabel respon menjadi rata-rata untuk level itu. Mengingat hal di atas, apakah mungkin menggunakan model campuran multivarian lme4
? Sebagai contoh:
data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
data = mtcars)
summary(m1)
# Linear mixed model fit by REML
# Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb))
# Data: mtcars
# AIC BIC logLik deviance REMLdev
# 913 933.5 -448.5 920.2 897
# Random effects:
# Groups Name Variance Std.Dev.
# factor(carb) (Intercept) 509.89 22.581
# Residual 796.21 28.217
# Number of obs: 96, groups: factor(carb), 6
#
# Fixed effects:
# Estimate Std. Error t value
# variabledrat:gear -7.6411 4.4054 -1.734
# variablempg:gear -1.2401 4.4054 -0.281
# variablehp:gear 0.7485 4.4054 0.170
# variabledrat:carb 5.9783 4.7333 1.263
# variablempg:carb 3.3779 4.7333 0.714
# variablehp:carb 43.6594 4.7333 9.224
Bagaimana cara menafsirkan koefisien dalam model ini? Apakah metode ini juga berfungsi untuk model campuran linier umum?