我希望计算出我的多级模型系数估计值的95%置信区间。
对于具有单个分组变量的模型,我没有遇到任何问题,但是当我添加一个额外的分组变量时,我跟随的引导方法(http://www.ats.ucla.edu/stat/r/dae/melogit.htm)基本上就破坏了。
我调查了bootMer(lme4的一个新实现的部分),结果相同。
以下是问题的一个示例:
----------------------------编辑包含一个可重复的例子------------- ---------------
对这个问题的有用评论并通过示例给出了答案 - 它不是添加第二个分组变量本身,而是导致问题的分组变量中的缺失。 / p>
以下是遇到此问题的其他人的实例。
这是一个简单的功能,为了说明...
FUN <- function(fit) {return(fixef(fit))}
示例数据(完整)
grouper1 <- as.factor(sample(letters[1:20], 1000, replace = TRUE))
grouper2 <- sample(letters[1:2], 1000, replace = TRUE)
DV<-rnorm(1000)
IV<-rnorm(1000)
example<-data.frame(grouper1, grouper2, DV, IV)
可以正常使用此数据
one_grouper<-lmer(DV ~ IV + (1 | grouper1), data=example)
> bootMer(one_grouper,FUN, nsim=1)
Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)
Bootstrap Statistics :
original bias std. error
t1* 0.005286026 0.041665542 NA
t2* 0.009642498 -0.003707219 NA
>
> two_grouper<-lmer(DV ~ IV + (1 | grouper1) + (1 | grouper2), data=example)
>
> bootMer(one_grouper,FUN, nsim=1)
Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)
Bootstrap Statistics :
original bias std. error
t1* 0.005286026 -0.03465914 NA
t2* 0.009642498 -0.01361108 NA
但是,当我们在分组变量中引入缺失时......
example$missinggroups <- with(example, ifelse(randommissing=="f", NA,grouper1))
> one_grouper<-lmer(DV ~ IV + (1 | missinggroups ), data=example)
>
> bootMer(one_grouper,FUN, nsim=1)
Call:
bootMer(x = one_grouper, FUN = FUN, nsim = 1)
Bootstrap Statistics :
WARNING: All values of t1* are NA
WARNING: All values of t2* are NA
Warning message:
In bootMer(one_grouper, FUN, nsim = 1) : some bootstrap runs failed (1/1)
答案 0 :(得分:2)
这是一个confirmed issue,根据评论,该修补程序在2014年1月8日的开发版本中有效。
当版本为&lt; 1.1-3; lme4 on CRAN已有版本&gt;自2014年3月14日起,1.1-5。