如何解释混合效应模型中随机效应的方差和相关性?


28

希望大家都不要介意这个问题,但是我需要帮助解释线性混合效果模型输出的输出,这是我一直试图在R中学习做的事情。我是纵向数据分析和线性混合效果回归的新手。我有一个模型,我将几周作为时间预测器,并在就业课程中得分作为结果。我用几周(时间)和几个固定影响,性别和种族对分数建模。我的模型包括随机效应。我需要帮助来了解方差和相关性的含义。输出如下:

Random effects  
Group   Name    Variance  
EmpId intercept 680.236  
weeks           13.562  
Residual 774.256  

相关系数是.231。

我可以将相关性解释为星期与分数之间存在正相关关系,但我希望能够用“ ...的23%”来表述。

我非常感谢您的帮助。


感谢“来宾”和Macro的答复。抱歉,由于没有回复,我参加了一次会议,现在正在追赶。这是输出和上下文。

这是我运行的LMER模型的摘要。

>summary(LMER.EduA)  
Linear mixed model fit by maximum likelihood  
Formula: Score ~ Weeks + (1 + Weeks | EmpID)   
   Data: emp.LMER4 

  AIC     BIC   logLik   deviance   REMLdev   
 1815     1834  -732.6     1693    1685

Random effects:    
 Groups   Name       Variance Std.Dev. Corr  
 EmpID   (Intercept)  680.236  26.08133        
          Weeks         13.562 3.682662  0.231   
 Residual             774.256  27.82546        
Number of obs: 174, groups: EmpID, 18


Fixed effects:    
            Estimate Std. Error  t value  
(Intercept)  261.171      6.23     37.25    
Weeks          11.151      1.780    6.93

Correlation of Fixed Effects:  
     (Intr)  
Days -0.101

我不明白如何解释随机效应的方差和残差并向他人解释。我也不知道如何解释相关性,除了它是正数,它表示截距较高的那些具有较高的斜率,截距较低的那些具有较低的斜率,但是我不知道如何用术语解释的23%。。。。(我不知道该如何结束句子,即使这样做有意义)。当我们(我)试图进行纵向分析时,这对我们来说是一种不同类型的分析。

我希望这有帮助。

感谢您一直以来的帮助。

泽达


1
Zeda,在这里看到更多R输出会有所帮助,包括固定效果的输出摘要
做客

1
我可以看到的一件事是,EmpID的类内估计相关性为。也就是说,在相同EmpID级别中的两个个体之间的估计相关性为。我同意@guest的观点,认为更多的输出(和某些上下文)将有所帮助。 ρρ^=680.236/(680.236+13.562+774.256)ρ^
2012年

泽达,我已将您的回复转换为编辑内容,并合并了您两个未注册的帐户。请注册此帖子,以便您可以自己跟踪和更新您的帖子。
chl 2012年

Answers:


40

您的拟合模型lme()可以表示为

yij=α0+α1xj+δ0i+δ1ixj+ϵij

其中是第个员工在周的分数,和分别是固定截距和斜率,和是随机截距和斜率,以及是残差。为随机效应的假设,和残余是yijixjα0α1δ0iδ1iϵijδ0iδ1iϵij

ε Ĵ d Ñ 0 σ 2(δ0i,δ1i)TdN((0,0)T,G)和,ϵijdN(0,σ2)

其中方差-协方差结构是2 x 2形式的对称矩阵G

(g12g122g122g22)

您可以从获得随机效应项之间的方差矩阵VarCorr(LMER.EduA)$ID

您的结果基本上表明

α 1α0 = 261.171, = 11.151,α1

2 2 σ 2g12 = 680.236, = 13.562, = 774.256。g22σ2

0.23 × g122可以找到VarCorr(LMER.EduA)或计算为。0.23×g12g22

具体来说, = 680.236显示了员工之间的截距的变化, = 13.562是员工之间的斜率的变化量,而0.231表示截距和斜率之间的正相关(当员工的截距增加一个单位时)员工的斜率将增加0.231个标准偏差)。 g 2 2g12g22


2
请检查最近的编辑是否没有改变回复的含义(就我个人而言,我只是修复了一些表达式)。LATEX
chl 2012年

@chl:非常感谢您以如此出色的格式来组织我的回复(我对LaTex一无所知)。更重要的是,您纠正了我关于协方差部分的草率回答。再次感谢,chl!
bluepole 2012年

应该感谢@GGeco,他提供了有关VC矩阵的详细信息;就像我说的,我仅对您的答复(和+1)进行了部分说明。
chl 2012年

2
如果您有许多随机效应,这将如何工作?
user124123 2014年
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.