R 的 lme4 包中混合效应模型的稳健标准误差

Question

我正在使用 lme4 包进行线性混合效果建模

混合效应模型如下：

fm01 <- lmer(sublat <- goal + (1|userid))

上面的命令返回一个名为 fm01 的 S4 对象

此对象包括固定效应及其 OLS 标准误差（如下）

Fixed effects:

            Estimate Std. Error t value
(Intercept)   31.644      3.320   9.530
goaltypeF1    -4.075      3.243  -1.257
goaltypeF2    -9.187      5.609  -1.638
goaltypeF3   -13.935      9.455  -1.474
goaltypeF4   -20.219      8.196  -2.467
goaltypeF5   -12.134      8.797  -1.379"

但是，我需要提供可靠的标准错误

如何使用 lme4 返回的 S4 对象执行此操作？

Answer 1

看起来强大的对象 SE可以通过和包lmerMod获得：merDerivclubSandwich

library(lme4)
library(clubSandwich)
m <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)

使用 merDeriv

（来自merDeriv JSS论文的复制材料，感谢@AchimZeileis的提示）

library(merDeriv)
sand <- sandwich(m, bread = bread(m, full = TRUE),
         mean = meat(m, level = 2))

俱乐部三明治

（所有可能的类型：我不知道在任何给定情况下哪个是“最好的”）

cstypes <- paste0("CR", c("0", "1", "1p", "1S", "2", "3"))
rob_se_fun <- function(type) sqrt(diag(vcovCR(m, type = type)))
rob_se <- sapply(cstypes, rob_se_fun)

合并结果

std_se <- sqrt(diag(vcov(m)))
cbind(std = std_se, rob_se,
      merDeriv = sqrt(diag(sand)[1:2]))\

                 std      CR0      CR1     CR1p     CR1S      CR2      CR3
(Intercept) 6.824597 6.632277 6.824557 7.034592 6.843700 6.824557 7.022411
Days        1.545790 1.502237 1.545789 1.593363 1.550125 1.545789 1.590604
            merDeriv
(Intercept) 6.632277
Days        1.502237

merDeriv的结果匹配（merDeriv 为所有type="CR0"组件提供稳健的 Wald 估计，包括随机效应参数；由您决定 RE 参数的 Wald 估计是否足够可靠）

Answer 2

我认为这就是您正在寻找的：https://cran.r-project.org/web/packages/robustlmm/vignettes/rlmer.pdf

这是一个robustlmm包，它有这个rlmer功能。

“对象的结构和方法的实现尽可能与 lme4 的结构和方法相似，并在需要时进行鲁棒性特定扩展。”

fm01_rob <- rlmer(sublat <- goal + (1|userid))