小编use*_*558的帖子

我喜欢lme,lmer和glmer的模特.我需要使用summary()对象构造表并导出到Latex以显示我的结果.xtable,mtable和apsrtable不起作用.我看到了上一篇文章(下面的链接),其中包含lme4对象的解决方案,但不适用于这些对象.

http://leftcensored.skepsi.net/2011/03/13/code-latex-tables-for-lme4-models/

这是我适合的模型的两个例子:

lme(y ~  time, data, na.action=na.omit, method="REML", random = ~ 1 | subject, control=lmeControl(msMaxIter = 200, msVerbose = TRUE))

glmer(y ~ time + (time | subject), data, family=binomial(link = "logit"), REML=T, control=list(maxIter = 800, maxFN=1000, msVerbose = TRUE))

有帮助吗？

谢谢

使用包lme4安装'glmer'模型时,以下警告消息的含义是什么？

Warning messages:
1: glm.fit: fitted probabilities numerically 0 or 1 occurred 
2: In mer_finalize(ans) : false convergence (8)

我试图适合的模型是这样的:

glmer(dummy ~ constituency.coa + I(governat.part) + I(district2) + gdp.cap + lula.power + ifdm + bf.cap + year + (1 | munname), data=pool, family=binomial(link = "logit"), REML=T, verbose=T)

谢谢

我正在尝试使用gls和lme来拟合几个协方差模型.我的目标是确定哪种协方差模型更适合我的数据.但是,我担心我没有正确指定代码.有人可以看看我的代码,并帮我弄清楚我是否正确地追求一切？

# Unstructured covariance matrix
UN <- gls(y ~ ses + time, data, corr=corSymm(form=~1|id), weights=varIdent(form=~1|time), method="REML", control=lmeControl(msMaxIter = 500, msVerbose = TRUE), na.action=na.omit)

# Independence covariance matrix
IN <- gls(y ~ ses + time, data, corr=NULL, weights=NULL, method="REML", control=lmeControl(msMaxIter = 500, msVerbose = TRUE))

# Fit Random Intercept Model (RI)
RI <- lme(y ~ ses + time, data, na.action=na.omit, method="REML", random=~1|id, control=lmeControl(msMaxIter = 200, msVerbose = TRUE))

# Fit Random Intercept and Slopes Model (RIAS)
RIAS <- lme(y ~ ses …

我有一个长格式的纵向数据.我想基于变量列创建一个ID变量,用于标识我的数据的每个观察.我如何在R中做到这一点？

示例:我有这些数据

name year var1 var2
 A    1    4    3
 A    2    5    1
 A    3    4    2
 B    1    .    .
 B    2    4    3
 B    3    5    1

我想生成一个名为"id"的新列,每个名称都有一个唯一的编号,例如:

name id year var1 var2
 A    1  1    4    3
 A    1  2    5    1
 A    1  3    4    2
 B    2  1    .    .
 B    2  2    4    3
 B    2  3    5    1

有帮助吗？

我正在尝试使用特定值来计算预测的概率，但是R显示以下错误：

Error in model.frame.default(Terms, newdata, na.action = na.omit, xlev = object$xlevels) : 
  variable lengths differ (found for 'x')
In addition: Warning message:
'newdata' had 1 rows but variable(s) found have 513 rows

这就是我想做的：x1是具有12个级别的因子，x2也是具有3个级别的因子。

res4 <- multinom(y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 - 1, data=dta, Hess=T)

nd <- data.frame(x11=0.10331384, x12=0.07992203, x13=0.06237817, x14=0.03313840, x15=0.12280702, x16=0.07407407, x17=0.07407407, x18=0.10331384, x19=0.08966862, x110=0.07017544, x111=0.15009747, x112=0.03703704, x22=1, x23=0, x3=1, x4=1, x5=mean(x5), x6=mean(x6, na.rm=T), x7=mean(x7), …

我有一个长格式不平衡的纵向数据.我想排除所有不包含完整信息的案例.我指的是所有不重复8次的情况.有人可以帮我找到解决方案吗？

下面是一个例子:我有三个科目{A,B和C}.我有8个A和B的信息,但只有2个用于C.如何根据少于8次重复测量的信息删除存在C的行？

temp = scan()
A 1 1 1 0
A 1 1 0 1
A 1 0 0 0
A 1 1 1 1
A 0 1 0 0
A 1 1 1 0
A 1 1 0 1
A 1 0 0 0
B 1 1 1 0
B 1 1 0 1
B 1 0 0 0
B 1 1 1 1
B 0 1 0 0
B 1 1 1 0
B 1 1 0 1 …