ความลาดชันส่วนบุคคลสำหรับแบบจำลองความชันแบบสุ่มข้ามระดับ
คำถามของฉันเกี่ยวข้องกับโพสต์นี้: การแยกความลาดชันสำหรับเคสจากแบบจำลองเอฟเฟกต์ผสม (lme4)
ด้วยคำอธิบายที่ยอดเยี่ยมของ Sven Hohenstein คำถามของฉันคือฉันจะแยก / ตีความ coef แต่ละตัวได้อย่างไรหากฉันมีตัวทำนายระดับที่ 2 เพิ่มเติม แบบจำลองความชันแบบสุ่มของฉันพร้อมการโต้ตอบข้ามระดับ:
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
ฉันได้รับ coef แต่ละรายการโดยใช้ coef (RS.L2) $ CODE ซึ่งให้:
(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
...
สิ่งที่ฉันไม่เข้าใจ: สองคอลัมน์แรก (Intercept และ MZP.Log) เป็นการรวมกันของเอฟเฟกต์คงที่และแบบสุ่มหรือไม่ ฉันถือว่าใช่ แต่เป็นส่วนใดในสมการสุดท้าย
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- Ti
พวกเขาอ้างถึง? จะ (สกัดกั้น) = Beta00 + r0-i และ MZP.Log = Beta10 + r1-i หรือไม่ จุดมุ่งหมายของฉันคือการแสดงสมการของแต่ละบุคคลสำหรับบุคคลที่เฉพาะเจาะจง (CODE)
ฉันรู้สึกขอบคุณอย่างสุดซึ้งสำหรับความช่วยเหลือ!
คำตอบ
ranef(RS.L2)สิ่งที่คุณจะหายไปนี่คือการส่งออกของ
สิ่งนี้ควรให้คุณ 2 คอลัมน์ของตัวเลขซึ่งเป็นเอฟเฟกต์แบบสุ่มสำหรับแต่ละระดับCODEสำหรับการสกัดกั้นและMZP.log
ตัวอย่างเช่นสำหรับระดับแรกของCODE( ==AM0MDMx0CM4ETM0ITZmV2a) เอฟเฟกต์แบบสุ่มสำหรับการสกัดกั้นควรเป็น1.4243088 - 9.925e-01 = 0.4318088
นั่นคือการสกัดกั้นส่วนบุคคลสำหรับระดับใดระดับหนึ่งCODEเท่ากับการสกัดกั้นทั่วโลกบวกผลแบบสุ่มสำหรับระดับCODEนั้น เช่นเดียวกันสำหรับMZP.log