时间戳

首页 > 解决方案 > 使用预定义参数模拟混合效应模型的数据

r - 使用预定义参数模拟混合效应模型的数据

问题描述

我正在尝试为使用以下公式表示的模型模拟数据：
lme4::lmer(y ~ a + b + (1|subject), data)但使用一组给定参数：

我玩过各种包，例如：powerlmm，simstudy或者simr但仍然找不到可以容纳我想预先定义的参数数量的有效解决方案。

同样出于学习目的，我更喜欢基本 R 方法而不是包解决方案。

我找到的最接近的例子是 Ben Ogorek 的博客文章“分层线性模型和 lmer”，看起来不错，但我不知道如何控制上面列出的参数。

任何帮助，将不胜感激。另外，如果有一个我不知道的包可以进行这些类型的模拟，请告诉我。

标签： rsimulationlme4mixed-models

解决方案

关于模型定义的一些问题：

  • 我们如何指定两个不同长度的随机向量之间的相关性？我不确定：我将采样 350 个值 ( nObs*nSubject) 并丢弃大部分用于主题级别效果的值。
  • 不确定这里的“方差比”。根据定义，参数（随机效应的标准差）theta由残差标准差（sigmasigma=2theta=2

定义参数/实验设计值：

nSubjects <- 50
nObs <- 7
## means of a,b are 0 without loss of generality
sdvec <- c(a=1,b=1)
rho <- 0.5  ## correlation
betavec <- c(intercept=0,a=1,b=2)
beta_sc <- betavec[-1]*sdvec  ## scale parameter values by sd
theta <- 0.4  ## = 20/50
sigma <- 1

设置数据框：

library(lme4)      
set.seed(101)
## generate a, b variables
mm <- MASS::mvrnorm(nSubjects*nObs,
          mu=c(0,0),
          Sigma=matrix(c(1,rho,rho,1),2,2)*outer(sdvec,sdvec))
subj <- factor(rep(seq(nSubjects),each=nObs))  ## or ?gl
## sample every nObs'th value of a
avec <- mm[seq(1,nObs*nSubjects,by=nObs),"a"]
avec <- rep(avec,each=nObs)  ## replicate
bvec <- mm[,"b"]
dd <- data.frame(a=avec,b=bvec,Subject=subj)

模拟：

dd$y <- simulate(~a+b+(1|Subject),
               newdata=dd,
               newparams=list(beta=beta_sc,theta=theta,sigma=1),
               family=gaussian)[[1]]

推荐阅读