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:
a <- rnorm()
在subject
水平测量(例如nSubjects = 50
)y
在观察级别测量(例如nObs = 7
,对于每个subject
b <- rnorm()
observation
在水平上测量并在给定的情况下r
与a
- 随机效应的方差比
lmer(y ~ 1 + (1 | subject), data)
固定为例如 50/50 或 10/90(等等) - 存在一些随机噪声(因此完整模型无法解释所有方差)
- 固定效果的效果大小可以设置在预定义的级别(例如
dCohen=0.5
)
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。
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(sigma
sigma=2
theta=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
- c - 无法使用 open() 读取文件
- github - Github Actions:使用基于新标签的 workflow_run
- javascript - 如何每秒更新一个对象数组的状态?
- java - android studio 30 分钟间隔时间选择器(微调器)
- xml - 我们可以在 DtD 上使用 Xpath
- reactjs - 尝试使用 React useEffect hook 将 FormData 发送到后端 API
- vb.net - 按名称排序控件列表
- python - TypeError:图像数据的形状无效(3、32、32) - 在 plt 中显示彩色图像
- javascript - 使用 quill 和 #editor 元素时出现格式问题
- mysql - How to insert ₹(Special characters) into Database