如何在R中使用betareg函数实现混合模型?


12

我有一个数据集,其中包含一些比例,这些比例用于测量个体t的“活动水平”,因此使值介于0和1之间。该数据是通过计算个体在特定时间间隔内移动的次数(移动为1, 0(表示不移动),然后取平均值以为每个人创建一个值。我的主要固定效果是“密度水平”。

我面临的问题是,我有一个因子变量“ pond”,我想将其作为随机效应包括在内-我不在乎池塘之间的差异,但希望从统计角度考虑它们。关于池塘的重要一点是,我只有3个,而且我了解在处理随机效应时理想的是具有更多的因子水平(5+)。

如果可能的话,我希望获得一些有关如何使用R betareg()betamix()在R中实现混合模型的建议。我已经阅读了R帮助文件,但是我通常很难理解它们(每个参数在上下文中的真正含义是什么)我自己的数据以及输出值对生态意义的含义),因此我倾向于通过示例更好地工作。

在相关的说明中,我想知道是否可以代替使用glm()二项式族和logit链接来解决此类数据的随机影响。


不,您不能在glm()中插入错误术语。logit如何转换您的响应并考虑线性混合模型?
utobi

@utobi谢谢,我会尝试的。因此,您不担心只有3个级别的随机效果吗?
Kat Y

我不知道您的变量“ pond”的含义,但是如果您反复进行测量,那么随机效应几乎是必须的。如果您没有重复测量的方法,那么随机与固定是一个公开的辩论。三个级别的随机效应可能是可行的,原则上它们的方差是可以估计的。我建议您检查您所在领域的文献。stat.columbia.edu/~gelman/arm是一本很好的书,讨论了随机效应和固定效应。
utobi

1
@utobi谢谢您的建议。这很有帮助。我会看那本书!我最终进行了logit转换,并使用了lmer()。
凯特Y

Answers:


11

当前的功能betareg不包括随机/混合效果。在其中betareg()您只能包括固定效果,例如,对于您的三级池塘变量。该betamix()函数实现有限的混合 beta回归,而不是混合效果beta回归。

在您的情况下,我将首先尝试了解固定池塘因子效应的影响。这会“花费”您两个自由度,而仅增加一个自由度,随机效果会稍微便宜一些。但是,如果这两种方法导致截然不同的定性见解,我会感到惊讶。

最后,虽然glm()不支持beta回归,但是在mgcv软件包中有betar()可以与该gam()函数一起使用的系列。


谢谢您的意见。您阐明了betareg函数的某些方面。至此,我接受了@utobi的建议并进行了logit转换,因此可以使用lmer()。我将研究gam(),因为我的下一个数据集也被限制在0和1之间,并且我无法通过转换对分布进行归一化:)
Kat Y

1
我希望这些方法会返回相似的结果,但也会有所不同,您可以从中学到一些东西。因此,我建议尝试betareg使用固定效果,对数转换lmer为随机效果并gam使用的所有三种方法betar。(并且:如果答案是有用的,请考虑投票或接受。)
Achim Zeileis

15

软件包glmmTMB可能对有类似问题的任何人有所帮助。例如,如果您想将上述问题中的池塘作为随机效应包括在内,则以下代码可以解决问题:

glmmTMB(y ~ 1 + (1|pond), df, family=list(family="beta",link="logit"))

欢迎来到简历。感谢您的贡献。这只是评论而不是答案。你可以扩大答案吗?
费迪

抱歉,延迟,我没​​有立即看到评论。希望能有所帮助。
Kori K

3

这开始只是评论,但持续了很长时间。我认为随机效应模型在这里不合适。只有3个池塘-您想从3个数字中估算出一个方差吗?这有点像随机效应模型。我猜这些池塘的选择是为了方便研究人员,而不是作为“美洲池塘”的随机样本。

随机效应模型的优势在于,它允许您在响应(活动水平)上构建一个置信区间,其中要考虑池与池之间的差异。固定效应模型(换句话说,将池塘像块一样对待)可以调整池塘效应的响应。如果还有其他的处理效果(例如每个池塘中有两种青蛙),阻塞会降低均方误差(F检验的分母),并使处理效果大放异彩。

在此示例中,没有处理效果,池塘数量对于随机效果模型而言太小(可能太“非随机”),因此我不确定可以从这项研究中得出什么结论。可以很好地估计出池塘之间的差异,但是仅此而已。在其他池塘环境中,我看不出青蛙越多越好。我想,可以将其构建为一项试点研究。

请记住,此处使用任何随机效应模型都将对池的变化给出非常不可靠的估计,因此必须谨慎使用。

但是关于您最初的问题-这还不是费率问题吗?单位时间事件的最佳分发是Poisson。因此,您可以使用时间间隔作为偏移量的计数进行泊松回归。

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.