null - 程序员宅基地

混合线性模型如何检测固定因子和随机因子的显著性以及计算R2_混合效应模型怎么计算r2-程序员宅基地

很多朋友写信问我，像要知道固定因子的显著性和随机因子的显著性如何计算，他们使用的是lme4这个R包, 但是这个包使用anova时没有P值,还要手动计算, 随机因子也需要自己计算loglikehood值, 然后使用LRT的卡方检验进行显著性检验, 其实lme4包有扩展的包可以非常友好的做这件事情.

1. 载入数据和软件包

###载入软件包和数据
library(lme4)
library(lmerTest)
library(sjstats)
library(learnasreml)
data(fm)

2. 软件包介绍

lme4

R语言中最流行的混合线性包
结果不太友好, 所以才有下面两个包作为辅助
安装方法

install.packages("lme4")

lmerTest

主要是用于检测lme4对象的固定因子和随机因子,它有两个函数:
lmerTest::anova.lmerModLmerTest用于检测固定因子的显著性, 方差分析表采用III平方和的形式.
lmerTest::ranova用于检测随机因子的显著性, 使用的是LRT检验, 给出的是卡方结果.
安装方法

install.packages("lmerTest")

sjstats

可以计算R2
可以提取方差组分
安装方法

install.packages("lmerTest")

3. 使用lme4进行混合线性分析

模型介绍

固定因子: Spacing + Rep
随机因子: Fam

建模

### 固定因子: Spacing+Rep, 随机因子: Fam
fm1 <- lmer(h1 ~Spacing + Rep + (1|Fam), fm)

固定因子检验

anova(fm1) # 固定因子显著性检验

	Sum Sq	Mean Sq	NumDF	DenDF	F value	Pr(>F)
Spacing	1775.888	1775.888	1	786.2359	34.98368	4.957481e-09
Rep	5339.632	1334.908	4	781.5386	26.29670	1.762292e-20

可以看到Spacing 和Rep都达到极显著

随机因子显著性检验

ranova(fm1) # 随机因子显著性检验,LRT

	npar	logLik	AIC	LRT	Df	Pr(>Chisq)
<none>	8	-2831.504	5679.008	NA	NA	NA
(1 \| Fam)	7	-2876.161	5766.323	89.31466	1	3.367543e-21

可以看到Fam达到极显著

计算R2

r2(fm1) # 计算R2

R-Squared for Generalized Linear Mixed Model

[34mFamily : gaussian (identity)
Formula: h1 ~ Spacing + Rep + (1 | Fam)

[39m   Marginal R2: 0.116
Conditional R2: 0.277

计算固定因子每个水平的P值


p_value(fm1) # 计算每个水平的显著性

term	p.value	std.error
(Intercept)	1.535094e-127	0.7915991
Spacing3	4.957481e-09	0.5463546
Rep2	2.886600e-01	0.8082299
Rep3	7.443430e-08	0.8218056
Rep4	1.720753e-10	0.7995633
Rep5	4.635631e-01	0.7663026

提取方差组分

re_var(fm1) # 计算方差组分

_sigma_2

50.7633345854535

Fam_tau.00

11.3168413429073

4. 使用asreml进行对照

建模

library(asreml)
fm2 = asreml(h1 ~ Spacing + Rep, random = ~ Fam, data=fm,trace=F)

固定因子检验

anova(fm2) # 固定因子显著性检验, 这里anova 是anova.asreml

	Df	Sum of Sq	Wald statistic	Pr(Chisq)
(Intercept)	1	253059.46646	4985.08358	0.000000e+00
Spacing	1	1164.71720	22.94406	1.667844e-06
Rep	4	5339.63197	105.18678	0.000000e+00
residual (MS)	NA	50.76333	NA	NA

随机因子显著性检验

这里首先构建一个空模型, 然后使用LRT检验

fm_Null = asreml(h1 ~ Spacing + Rep, data=fm,trace=F)

lrt.asreml(fm2,fm_Null) # 随机因子显著性检验LRT

	Df	LR statistic	Pr(Chisq)
fm2/fm_Null	1	89.31466	0

summary(fm2)$varcomp[,1:2] # 方差组分

	gamma	component
Fam!Fam.var	0.2229334	11.31684
R!variance	1.0000000	50.76333

5. 关于混合线性模型计算R2

还有一个包叫MuMIn,也可以计算R2

library(MuMIn)
r.squaredLR(fm1)#计算R2

0.217233511687581

6. 完整代码分享

# 混合线性模型, 如何检测固定因子和随机因子

###载入数据
library(lme4)
library(lmerTest)
library(sjstats)
library(learnasreml)
data(fm)
str(fm)

### 固定因子: Spacing+Rep, 随机因子: Fam
fm1 <- lmer(h1 ~Spacing + Rep + (1|Fam), fm)
summary(fm1)

anova(fm1) # 固定因子显著性检验
ranova(fm1) # 随机因子显著性检验,LRT

r2(fm1) # 计算R2

p_value(fm1) # 计算每个水平的显著性

re_var(fm1) # 计算方差组分


### 对比asreml
fm2 = asreml(h1 ~ Spacing + Rep, random = ~ Fam, data=fm)
anova(fm2) # 固定因子显著性检验, 这里anova 是anova.asreml
fm_Null = asreml(h1 ~ Spacing + Rep, data=fm)
lrt.asreml(fm2,fm_Null) # 随机因子显著性检验LRT
summary(fm2)$varcomp[,1:2] # 方差组分


library(MuMIn)
r.squaredLR(fm1)#计算R2

在这里插入图片描述

本文链接：https://blog.csdn.net/yijiaobani/article/details/90045837

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

稍微深入分析Ubuntu环境下安装NVIDIA驱动导致黑屏的原因_prime-select nvidia 黑屏-程序员宅基地

文章浏览阅读8.2k次，点赞5次，收藏48次。本文承接之前写的有关如何用正确姿势安装NVIDIA驱动的博文（https://blog.csdn.net/Edward_ed_liu/article/details/109552761）。首先之所以要更新Linux内核，是因为不更新内核就无法使用笔记本自带的无线网卡。其次，目前NVIDIA官方不建议把Linux内核更新到最新版（5.9），而且这条消息只在英文的官网才有，中文的则是广告。TWICE如果强行更新到5.9版本，之后的Cuda安装表面上会显示成功，但在实际使用Cuda的过程中._prime-select nvidia 黑屏

java中间件有哪些_金九银十期间成功斩获58万架构师Offer！六面字节跳动面经和面试题分享 - 小梦爱Java...-程序员宅基地

文章浏览阅读167次。金九银十期间成功斩获58万Offer！六面字节跳动面经(成功关键：吃透九大核心知识+狂刷大厂面试真题)第一轮：团队面试第一轮基本上是你的团队成员面试你，是和你同级或者高你一个P的师兄来面你，我的话基本没问什么特别的，主要还是讲自己简历上的做的项目，这里需要你很熟悉自己的项目才行，我个人觉得这里你要把项目里你的角色做了什么没做什么讲清楚，然后最好能把自己做的那部分重点展开来讲，然后面试官会从你讲的内..._java架构师中间件简历

【规则引擎】一、规则引擎简介_规则引擎风险功能-程序员宅基地

文章浏览阅读1.9k次。(第一章规则引擎学习入门之规则引擎简介)# 系列文章目录规则引擎简介前言一、为什么要使用规则引擎？1.不使用规则引擎的规则执行现状2. 规则引擎优点二、规则引擎的功能三、规则引擎的分类实现1.事中规则实现2.事后规则实现四、规则引擎调研1.开源规则引擎2.商业规则引擎五、Drools六、Aviator前言规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。–来自百_规则引擎风险功能

oracle设置生成归档日志大小,Oracle 改变归档日志大小-程序员宅基地

文章浏览阅读1k次。该变归档日志大小只有改变日志组的大小！方法：加入新的大的日志文件，然后删掉旧的小的日志文件假设现有三个日志组，每个组内有一个成员，每个成员的大小为1MB，现在想把此三个日志组的成员大小都改为10MB1、创建2个新的日志组alter database add logfile group 4 ('D:\ORACLE\ORADATA\ORADB\REDO04_1.LOG') size 1024k;alt..._oracle归档日志空间大小

this.options在chrome浏览器提示undefined的解决办法_options is undefined-程序员宅基地

文章浏览阅读7.5k次。很早用的一段三级联动下拉菜单最近发现在chrome里不能联动下拉了，ie下正常，很奇怪，这段代码在之前有段时间经常用，没出现过什么问题，后来调试发现在“this.options.value”处提示“this.options is unfioned”,应该是浏览器之间js用法不同的问题，查资料测试后，改成“this.value”就正常了_options is undefined

整合Spring Cloud Bus报错_failed to instantiate [org.springframework.boot.ac-程序员宅基地

文章浏览阅读680次。spring: cloud: refresh: enabled: false2020-09-20 20:41:40.882 ERROR 13292 —[ost-startStop-1] o.s.b.web.embedded.tomcat.TomcatStarter :Error starting Tomcat context. Exception: org.springframework.beans.factory.BeanCreationException.Me_failed to instantiate [org.springframework.boot.actuate.endpoint.web.servlet

随便推点

当下 React 项目该放弃的以及更好用的技术推荐-程序员宅基地

文章浏览阅读210次。React 版本推荐当前 React 都已经发布 18 了，虽然是个 alpha 版本，但是 17 确实也已经有大厂在用了。目前如果你的版本还停留在 v16.8 之前的话还是尽早升了吧。毕..._react 放弃

C++基础-资源管理：堆、栈与 RAII_c++heap内存堆管理-程序员宅基地

文章浏览阅读161次。堆，英文是 heap，在内存管理的语境下，指的是动态内存分配的区域，和数据结构中的“大根堆和小根堆”不是一个概念。同时，这里堆分配的内存需要手工释放，否则会造成内存泄漏。 C++ 标准里有一个和堆相关的概念是自由存储区，英文是 free store，特指使用 new 和 delete 来分配和释放内存的区域。一般而言，这是堆的一个子集。_c++heap内存堆管理

CentOS7中安装MySQL8.0.21爬坑记录:1045-Access denied、Job for firewalld.service failed等异常_error: failed to read file "/proc/sys/net/netfilte-程序员宅基地

文章浏览阅读1.3k次。在CentOS7.3中安装了MySQL8.0.21之后，就开启了一段漫长的爬坑历程，简要回顾如下：一、从Win10中用Navicat连接安装好的MySQL服务器出现如下异常：1045 - Access denied for user ‘root’@‘192.168.101.151’(using password: YES) 于是，在网上查阅了多篇博客，结论可能是3306端口没有加入到防火墙的允许列表。之后，开始研究了CentOS7中的防火墙，发现RHEL6之前版本用的防火墙管理工具都是iptab_error: failed to read file "/proc/sys/net/netfilter/nf_conntrack_helper": [e