[丢掉HLM软件]基于R的多层模型分析教程贴

怎么用R操作

zlgsx 发表于 2016-10-1 20:46
听起来不错的东西，关注一下。

你有这本书的数据吗

5.中心化
#中心化指的是从变量的原始分数中减去该变量的均值。

#在R中可通过创建新变量实现中心化。

#首先将变量进行中心化，得到中心化后的自变量

1. Cgevocab <- Achieve$gevocab - mean(Achieve$gevocab)
   
2. Cage <- Achieve$age - mean(Achieve$age)

复制代码

#中心化后的变量被创建以后，用中心化后的变量进行建模分析即可：

1. Model3.5.C <-
   
2.   lme(
   
3.     fixed = geread ~ Cgevocab + Cage + Cgevocab * Cage,
   
4.     random = ~ 1 | school,
   
5.     data = Achieve
   
6.   )
   
7. summary(Model3.5.C)

复制代码

#中心化并不会从本质上改变统计结果（读者可自行比较模型拟合指数），但会改变对系数的解释方式。结果如下

Linear mixed-effects model fit by REML

Data: Achieve

       AIC      BIC    logLik

  43155.49 43198.94 -21571.75

Random effects:

Formula: ~1 | school

        (Intercept) Residual

StdDev:   0.3142524 1.939708

Fixed effects: geread ~ Cgevocab + Cage + Cgevocab * Cage

                  Value  Std.Error    DF   t-value p-value

(Intercept)    4.332326 0.03206185 10157 135.12403  0.0000

Cgevocab       0.512480 0.00837950 10157  61.15878  0.0000

Cage          -0.006777 0.00391727 10157  -1.72999  0.0837

Cgevocab:Cage  0.005027 0.00174965 10157   2.87320  0.0041

Correlation:

              (Intr) Cgevcb Cage

Cgevocab      0.008              

Cage          0.007  0.053      

Cgevocab:Cage 0.043  0.021  0.205

Standardized Within-Group Residuals:

       Min         Q1        Med         Q3        Max

-3.0635106 -0.5706179 -0.2108349  0.3190991  4.4467448

Number of Observations: 10320

Number of Groups: 160

6.随机效应的显著性检验
#使用nlme的lme函数拟合多层模型，通过summary()获得的输出结果中不包含对于随机效应的显著性的检验结果。

1. Model3.6 <-
   
2.   lme(
   
3.     fixed = geread ~ gevocab + senroll + gevocab * senroll,
   
4.     random = ~ 1 | school,
   
5.     data =
   
6.       Achieve
   
7.   )
   
8. summary(Model3.6)

复制代码

#结果如下
Linear mixed-effects model fit by REML
Data: Achieve
       AIC      BIC           logLik
  43175.57 43219.02 -21581.79

Random effects:
Formula: ~1 | school
                  (Intercept) Residual
StdDev:    0.316492    1.940268

Fixed effects: geread ~ gevocab + senroll + gevocab * senroll
                         Value              Std.Error         DF            t-value        p-value
(Intercept)         1.7477004     0.17274011    10158     10.117513   0.0000
gevocab             0.5851202     0.02986497    10158     19.592189   0.0000
senroll                0.0005121     0.00031863   158          1.607242     0.1100
gevocab:senrol  l -0.0001356   0.00005379   10158      -2.519975    0.0118
Correlation:
                      (Intr)     gevocb senrll
gevocab         -0.782              
senroll            -0.958   0.735      
gevocab:senroll  0.752 -0.960 -0.766

Standardized Within-Group Residuals:
       Min         Q1             Med             Q3               Max
-3.1228018 -0.5697103 -0.2090374  0.3187827  4.4358936

Number of Observations: 10320
Number of Groups: 160

#为了获得随机效应的显著性检验的结果，须使用intervals函数

1. intervals(Model3.6)

复制代码

#结果如下，若置信区间下限（lower）与上限（upper）之内不包含0，则相应的效应值（est.）显著
Approximate 95% confidence intervals

Fixed effects:
                        lower                    est.                     upper
(Intercept)        1.4090956090    1.7477003581   2.086305e+00
gevocab            0.5265789741    0.5851202223   6.436615e-01
senroll               -0.0001172069  0.0005121095   1.141426e-03
gevocab:senroll -0.0002410031  -0.0001355577  -3.011228e-05
attr(,"label")
[1] "Fixed effects:"

Random Effects:
  Level: school
                       lower           est.          upper
sd((Intercept)) 0.2646107 0.316492 0.3785455

Within-group standard error:
   lower     est.          upper
1.913779 1.940268 1.967123

bfzldh 发表于 2016-10-12 22:18
2.在随机截距模型中加入水平1的自变量，使用AIC，BIC比较模型，并计算R-square

#词汇成绩（gevocab）可 ...

水平2的部分B代表学校数量，为什么计算的时候不是除以学校数量160，而是除以10320/160？B代表的应该是水平2中unit的平均容量吧？

椰绿阿宝鸡 发表于 2016-12-5 14:34
水平2的部分B代表学校数量，为什么计算的时候不是除以学校数量160，而是除以10320/160？B代表的应该是水平 ...

感谢指正，此处的B指的是单元的平均规模，即每个单元中平均包含多少case。已改正。

正好最近想用R做HLM，顶一个。

您好，请问一下怎么加入水平二的自变量？

我在R中已经加入了水平一自变量F，但是还想加入水平二自变量L。

as463632652 发表于 2016-12-6 00:37
您好，请问一下怎么加入水平二的自变量？

我在R中已经加入了水平一自变量F，但是还想加入水平二自变量L。 ...

上面的教程已经说得很清楚了，你看看吧