从 lme4 mer 模型对象中提取随机效应方差

Question

我有一个具有固定和随机效果的 mer 对象。如何提取随机效应的方差估计？这是我的问题的简化版本。

study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
study

这给出了一个很长的输出 - 在这种情况下不会太长。无论如何，我如何明确选择

Random effects:
Groups   Name        Variance Std.Dev.
Subject  (Intercept) 1378.18  37.124  
Residual              960.46  30.991  

输出的部分？我想要价值观本身。

我看了好久

str(study)

，什么也没有！还检查了 lme4 包中的任何提取器功能，但均无济于事。请帮忙！

Answer 1

其他一些答案是可行的，但我声称最好的答案是使用为此设计的访问器方法 - VarCorr （这与 lme4 中的相同） > 的前身，nlme 包）。

更新在最新版本的lme4（版本1.1-7，但以下所有内容可能适用于版本> = 1.0）中，VarCorr更比以前更灵活，并且应该可以完成您想要的所有操作，而无需在拟合的模型对象内进行搜索。

library(lme4)
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
VarCorr(study)
##  Groups   Name        Std.Dev.
##  Subject  (Intercept) 37.124  
##  Residual             30.991

默认情况下，VarCorr() 打印标准差，但如果您愿意，您也可以获取方差：

print(VarCorr(study),comp="Variance")
##  Groups   Name        Variance
##  Subject  (Intercept) 1378.18 
##  Residual              960.46 

(comp=c("Variance","Std.Dev.") 将打印两者）。

为了获得更大的灵活性，您可以使用 as.data.frame 方法转换 VarCorr 对象，该对象提供分组变量、效应变量和方差/协方差或标准差/相关性：

as.data.frame(VarCorr(study))
##        grp        var1 var2      vcov    sdcor
## 1  Subject (Intercept) <NA> 1378.1785 37.12383
## 2 Residual        <NA> <NA>  960.4566 30.99123

最后，VarCorr 对象的原始形式（如果不需要的话，你可能不应该打扰你）是一个方差-协方差矩阵的列表，其中额外的对标准差和相关性进行编码的（冗余）信息，以及给出残差标准差并指定模型是否具有估计尺度参数的属性 ("sc") ("useSc"< /代码>）。

unclass(VarCorr(fm1))
## $Subject
##             (Intercept)      Days
## (Intercept)  612.089748  9.604335
## Days           9.604335 35.071662
## attr(,"stddev")
## (Intercept)        Days 
##   24.740448    5.922133 
## attr(,"correlation")
##             (Intercept)       Days
## (Intercept)  1.00000000 0.06555134
## Days         0.06555134 1.00000000
## 
## attr(,"sc")
## [1] 25.59182
## attr(,"useSc")
## [1] TRUE
## 

Answer 2

lmer 返回一个 S4 对象，所以这应该可以工作：

remat <- summary(study)@REmat
print(remat, quote=FALSE)

Which prints:

 Groups   Name        Variance Std.Dev.
 Subject  (Intercept) 1378.18  37.124  
 Residual              960.46  30.991  

...一般来说，您可以查看 print 和 summary “mer”对象的方法：

class(study) # mer
selectMethod("print", "mer")
selectMethod("summary", "mer")

Answer 3

> attributes(summary(study))$REmat
 Groups     Name          Variance  Std.Dev.
 "Subject"  "(Intercept)" "1378.18" "37.124"
 "Residual" ""            " 960.46" "30.991"

Answer 4

这个包对于这样的事情很有用（https://easystats.github.io/insight /reference/index.html)

library("insight")

get_variance_random(study) #Where study is your fit mixed model

Answer 5

这个答案很大程度上基于@Ben Bolker的答案，但是如果人们对此不熟悉并且想要值本身，而不仅仅是值的打印输出（正如OP似乎想要的那样），那么您可以按如下方式提取值：

将 VarCorr 对象转换为数据框。

re_dat = as.data.frame(VarCorr(study))

然后访问每个单独的值：

int_vcov = re_dat[1,'vcov']
resid_vcov = re_dat[2,'vcov']

使用此方法（在您创建的日期范围内指定行和列），您可以访问您想要的任何值。

Answer 6

另一种可能性是

sum <- summary (study)
var <- data.frame (sum$varcor)

Answer 7

尝试

attributes(study)

举个例子：

> women
   height weight
1      58    115
2      59    117
3      60    120
4      61    123
5      62    126
6      63    129
7      64    132
8      65    135
9      66    139
10     67    142
11     68    146
12     69    150
13     70    154
14     71    159
15     72    164

> lm1 <- lm(height ~ weight, data=women)
> attributes(lm1)
$names
 [1] "coefficients"  "residuals"     "effects"       "rank"         
 [5] "fitted.values" "assign"        "qr"            "df.residual"  
 [9] "xlevels"       "call"          "terms"         "model"        

$class
[1] "lm"

> lm1$coefficients
(Intercept)      weight 
 25.7234557   0.2872492 

> lm1$coefficients[[1]]

[1] 25.72346


> lm1$coefficients[[2]]

[1] 0.2872492

结束。