注意:这个问题是一个转贴,因为我的上一个问题出于法律原因不得不删除。
在比较SAS的PROC MIXED与R中lme
的nlme
软件包的功能时,我偶然发现了一些相当混乱的差异。更具体地说,不同测试的自由度在PROC MIXED
和之间有所不同lme
,我想知道为什么。
从以下数据集(以下给出的R代码)开始:
- ind:指示进行测量的个人的因子
- fac:进行测量的器官
- trt:表示治疗的因素
- y:一些连续响应变量
这个想法是建立以下简单模型:
y ~ trt + (ind)
:ind
作为随机因子
y ~ trt + (fac(ind))
:fac
嵌套在ind
作为随机因子
需要注意的是最后一个模型应引起奇异性,因为只有1的值y
对每一个组合ind
和fac
。
第一模型
在SAS中,我建立以下模型:
PROC MIXED data=Data;
CLASS ind fac trt;
MODEL y = trt /s;
RANDOM ind /s;
run;
根据教程,R中使用的相同模型nlme
应为:
> require(nlme)
> options(contrasts=c(factor="contr.SAS",ordered="contr.poly"))
> m2<-lme(y~trt,random=~1|ind,data=Data)
两种模型对系数及其SE均给出相同的估计,但是在对F的影响进行F检验时trt
,它们使用的自由度不同:
SAS :
Type 3 Tests of Fixed Effects
Effect Num DF Den DF F Value Pr > F
trt 1 8 0.89 0.3724
R :
> anova(m2)
numDF denDF F-value p-value
(Intercept) 1 8 70.96836 <.0001
trt 1 6 0.89272 0.3812
问题1:两种测试之间有什么区别?两者都使用REML拟合,并且使用相同的对比度。
注意:我为DDFM =选项尝试了不同的值(包括BETWITHIN,理论上应与lme给出相同的结果)
第二种模式
在SAS中:
PROC MIXED data=Data;
CLASS ind fac trt;
MODEL y = trt /s;
RANDOM fac(ind) /s;
run;
R中的等效模型应为:
> m4<-lme(y~trt,random=~1|ind/fac,data=Data)
在这种情况下,存在一些非常奇怪的差异:
- R非常合适,而SAS指出最终的粗麻布不是正定的(这一点也不让我感到惊讶,请参见上文)
- 系数上的SE有所不同(在SAS中较小)
- 同样,F测试使用了不同量的DF(实际上,在SAS中,该量= 0)
SAS输出:
Effect trt Estimate Std Error DF t Value Pr > |t|
Intercept 0.8863 0.1192 14 7.43 <.0001
trt Cont -0.1788 0.1686 0 -1.06 .
R输出
> summary(m4)
...
Fixed effects: y ~ trt
Value Std.Error DF t-value p-value
(Intercept) 0.88625 0.1337743 8 6.624963 0.0002
trtCont -0.17875 0.1891855 6 -0.944840 0.3812
...
(请注意,在这种情况下,F和T检验是等效的,并且使用相同的DF。)
有趣的是,lme4
在R中使用时,该模型甚至不适合:
> require(lme4)
> m4r <- lmer(y~trt+(1|ind/fac),data=Data)
Error in function (fr, FL, start, REML, verbose) :
Number of levels of a grouping factor for the random effects
must be less than the number of observations
问题2:这些具有嵌套因子的模型之间有什么区别?是否正确指定了它们,如果这样,结果如何如此不同?
R中的模拟数据:
Data <- structure(list(y = c(1.05, 0.86, 1.02, 1.14, 0.68, 1.05, 0.22,
1.07, 0.46, 0.65, 0.41, 0.82, 0.6, 0.49, 0.68, 1.55), ind = structure(c(1L,
2L, 3L, 1L, 3L, 4L, 4L, 2L, 5L, 6L, 7L, 8L, 6L, 5L, 7L, 8L), .Label = c("1",
"2", "3", "4", "5", "6", "7", "8"), class = "factor"), fac = structure(c(1L,
1L, 1L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 2L, 2L), .Label = c("l",
"r"), class = "factor"), trt = structure(c(2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Cont",
"Treat"), class = "factor")), .Names = c("y", "ind", "fac", "trt"
), row.names = c(NA, -16L), class = "data.frame")
模拟数据:
y ind fac trt
1.05 1 l Treat
0.86 2 l Treat
1.02 3 l Treat
1.14 1 r Treat
0.68 3 r Treat
1.05 4 l Treat
0.22 4 r Treat
1.07 2 r Treat
0.46 5 r Cont
0.65 6 l Cont
0.41 7 l Cont
0.82 8 l Cont
0.60 6 r Cont
0.49 5 l Cont
0.68 7 r Cont
1.55 8 r Cont