我正在尝试使用大量预测变量来拟合模型,因此在模型公式中枚举它们会很乏味。使用 lm() 可以很简单地做到这一点:
indicatorMatrix <- data.frame(matrix(rbinom(26000, 1, 1/3), ncol = 26))
colnames(indicatorMatrix) <- LETTERS
someDV <- rnorm(nrow(indicatorMatrix))
head(indicatorMatrix)
# One method, enumerating variables by name:
olsModel1 <- lm(someDV ~ A + B + C + D, # ...etc.
data = indicatorMatrix)
# Preferred method, including the matrix of predictors:
olsModel2 <- lm(someDV ~ as.matrix(indicatorMatrix))
summary(olsModel2)
由于我有大量的预测变量(超过本发明示例中的 26 个),因此我不想像第一个示例那样单独列出它们(someDV ~ A + B + C + D ...
),我可以通过仅包含预测变量 as.matrix
来避免这种情况。
但是,我想拟合混合效果模型,如下所示:
library(lme4)
meModel1 <- lmer(someDV ~ (1 | A) + (1 | B) + (1 | C), # ...etc.
data = indicatorMatrix)
summary(meModel1)
除了我想包含大量随机效应项。我不想输入 (1 | A) ... (1 | ZZZ)
,而是希望以类似于用于 olsModel2
的矩阵方法的方式包含每个预测变量> 如上所述。显然,以下内容不起作用:
meModel2 <- lmer(someDV ~ (1 | as.matrix(indicatorMatrix)))
对于如何使用 lmer() 最好地复制随机效应的矩阵预测器方法,您有什么建议吗?我非常愿意考虑“实用”的解决方案(即黑客),只要它们是“程序化的”,并且不需要我复制和粘贴等。
预先感谢您的宝贵时间。
最佳答案
我认为将公式构建为字符串,然后使用as.formula
,类似于
restring1 <- paste0("(1 | ",colnames(indicatorMatrix),")",collapse="+")
form <- as.formula(paste0("someDV ~",restring1))
meModel1 <- lmer(form, data = data.frame(someDV,indicatorMatrix))
应该可以工作(无论如何,它在我的系统上运行时不会提示......)
关于r - 通过 lmer() 使用预测变量矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12737353/