EffectsPaket için çok hızlı ve kolay bir yol sağlar karışık etki modeli sonuçlar doğrusal çizilmesi ile elde edilen lme4bir paket . effectFonksiyon hesaplar güven aralığı (GA) çok hızlı bir şekilde, ama nasıl güvenilir bunlar güven aralıkları nelerdir?
Örneğin:
library(lme4)
library(effects)
library(ggplot)
data(Pastes)
fm1 <- lmer(strength ~ batch + (1 | cask), Pastes)
effs <- as.data.frame(effect(c("batch"), fm1))
ggplot(effs, aes(x = batch, y = fit, ymin = lower, ymax = upper)) +
geom_rect(xmax = Inf, xmin = -Inf, ymin = effs[effs$batch == "A", "lower"],
ymax = effs[effs$batch == "A", "upper"], alpha = 0.5, fill = "grey") +
geom_errorbar(width = 0.2) + geom_point() + theme_bw()
effectsPaket kullanılarak hesaplanan CI'lere göre , "E" grubu, "A" grubu ile örtüşmemektedir.
Aynı confint.merModişlevi ve varsayılan yöntemi kullanarak denersem:
a <- fixef(fm1)
b <- confint(fm1)
# Computing profile confidence intervals ...
# There were 26 warnings (use warnings() to see them)
b <- data.frame(b)
b <- b[-1:-2,]
b1 <- b[[1]]
b2 <- b[[2]]
dt <- data.frame(fit = c(a[1], a[1] + a[2:length(a)]),
lower = c(b1[1], b1[1] + b1[2:length(b1)]),
upper = c(b2[1], b2[1] + b2[2:length(b2)]) )
dt$batch <- LETTERS[1:nrow(dt)]
ggplot(dt, aes(x = batch, y = fit, ymin = lower, ymax = upper)) +
geom_rect(xmax = Inf, xmin = -Inf, ymin = dt[dt$batch == "A", "lower"],
ymax = dt[dt$batch == "A", "upper"], alpha = 0.5, fill = "grey") +
geom_errorbar(width = 0.2) + geom_point() + theme_bw()
Bütün CI'lerin çakıştığını görüyorum. Ayrıca, işlevin güvenilir CI'leri hesaplayamadığına dair uyarılar da alıyorum. Bu örnek ve gerçek veri setim, effectspaketin CI hesaplamasında tamamen istatistikçiler tarafından onaylanmayan kısayollar aldığından şüphelenmemi sağlıyor . CI'ler effectişlev tarafından effectspaketten alınan lmernesneler için ne kadar güvenilirdir ?
Neyi denedim: Kaynak koduna baktığımda, effectfonksiyonun Effect.merModfonksiyona bağlı olduğunu, bunun da Effect.merfonksiyona yöneldiğini ve bunun gibi göründüğünü fark ettim :
effects:::Effect.mer
function (focal.predictors, mod, ...)
{
result <- Effect(focal.predictors, mer.to.glm(mod), ...)
result$formula <- as.formula(formula(mod))
result
}
<environment: namespace:effects>
mer.to.glmfonksiyon lmernesneden Variance-Covariate Matrix değerini hesaplıyor gibi görünüyor :
effects:::mer.to.glm
function (mod)
{
...
mod2$vcov <- as.matrix(vcov(mod))
...
mod2
}
Bu, sırayla, muhtemelen Effect.defaultCI'leri hesaplamak için kullanılır (bu bölümü yanlış anlamış olabilirim):
effects:::Effect.default
...
z <- qnorm(1 - (1 - confidence.level)/2)
V <- vcov.(mod)
eff.vcov <- mod.matrix %*% V %*% t(mod.matrix)
rownames(eff.vcov) <- colnames(eff.vcov) <- NULL
var <- diag(eff.vcov)
result$vcov <- eff.vcov
result$se <- sqrt(var)
result$lower <- effect - z * result$se
result$upper <- effect + z * result$se
...
Bunun doğru bir yaklaşım olup olmadığına karar vermek için LMM'ler hakkında yeterince bilgim yok, ancak LMM'ler için güven aralığı hesaplama konusundaki tartışmaları göz önüne alındığında, bu yaklaşım şüphesiz basit görünüyor.
