Индивидуальные уклоны для многоуровневой модели случайных уклонов

Aug 19 2020

мой вопрос относится к этому сообщению: Извлечение наклонов для случаев из модели смешанных эффектов (lme4)

с великолепным объяснением Свена Хоэнштейна. У меня вопрос: как мне извлечь / интерпретировать отдельные коэффициенты, если у меня есть дополнительный предиктор 2-го уровня? Моя модель случайного уклона с межуровневым взаимодействием:

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-5.3837 -0.4603 -0.0878  0.3895  5.1209 

Random effects:
 Groups   Name        Variance Std.Dev. Corr 
 CODE     (Intercept) 0.28950  0.5381        
          MZP.log     0.04025  0.2006   -0.38
 Residual             0.09409  0.3067        
Number of obs: 13866, groups:  CODE, 3917

Fixed effects:
                       Estimate Std. Error         df t value Pr(>|t|)    
(Intercept)           9.925e-01  9.822e-03  3.936e+03 101.055  < 2e-16 ***
MZP.log              -1.771e-01  5.634e-03  4.615e+03 -31.432  < 2e-16 ***
ABS002P1.cgm          5.658e-03  5.767e-04  3.884e+03   9.811  < 2e-16 ***
MZP.log:ABS002P1.cgm  1.192e-03  3.235e-04  3.709e+03   3.686 0.000231 ***


Correlation of Fixed Effects:
            (Intr) MZP.lg ABS002
MZP.log     -0.510              
ABS002P1.cg -0.009  0.041       
MZP.:ABS002  0.045 -0.223 -0.502

Я получаю отдельные коэффициенты, используя coef (RS.L2) $ CODE, который дает:

                          (Intercept)    MZP.log   ABS002P1.cgm  MZP.log:ABS002P1.cgm
==AM0MDMx0CM4ETM0ITZmV2a   1.4243088 -0.1719496549   0.00565832          0.001192448
==AM0UDMx0SO5cDM4EDajVma   1.9458975 -0.0529674147   0.00565832          0.001192448
==AM1cDMx0SN1ATM1ITdnlGZ   0.8161014 -0.1141229315   0.00565832          0.001192448
==AM1ITM0AzV               0.4187989 -0.0886104357   0.00565832          0.001192448
==AM2ADMx0iN5kDMxEjcmVGa   1.1081334 -0.2264506549   0.00565832          0.001192448
==AM2gDMzAjR               0.8997179 -0.2053793890   0.00565832          0.001192448
==AM2IDM0AjQ               0.6851151 -0.2432147380   0.00565832          0.001192448
==AM2kDMwMDajxWZ           0.9268792 -0.0418086190   0.00565832          0.001192448
==AM2UDM3ATYtVGb           0.8382071 -0.1377587548   0.00565832          0.001192448
...

чего я не понимаю: являются ли первые два столбца (Intercept и MZP.Log) комбинацией фиксированных и случайных эффектов? Я предполагаю, что да, но в какой части окончательного уравнения

Yti = Beta00 + Beta10 * MZP.Log-ti + Beta01 * ABS002P1.cgm-i + Beta11 * MZP.Log-ti * ABS002P1.cgm-i + r1-i * MZP.Log-ti + r0-i + e- ти

они ссылаются? Будет ли (Перехват) = Beta00 + r0-i и MZP.Log = Beta10 + r1-i? Моя цель - проиллюстрировать индивидуальное уравнение для конкретного человека (КОД).

Я очень благодарен за любую помощь!

Ответы

5 RobertLong Aug 19 2020 at 20:12

То, что вам здесь не хватает, - это вывод ranef(RS.L2).

Это должно дать вам 2 столбца чисел, которые представляют собой отдельные случайные эффекты для каждого уровня CODEдля перехвата иMZP.log

Например, для первого уровня CODE( ==AM0MDMx0CM4ETM0ITZmV2a) случайный эффект для перехвата должен быть1.4243088 - 9.925e-01 = 0.4318088

То есть индивидуальный перехват для определенного уровня CODEравен глобальному перехвату плюс случайный эффект для этого уровня CODE. Аналогично дляMZP.log