У меня подходят несколько смешанных моделей эффектов ( в частности , продольные модели) с использованием lme4
в R
но хотел бы, чтобы действительно мастер модели и код , который идет с ними.
Однако, прежде чем погрузиться обеими ногами (и купить несколько книг), я хочу убедиться, что я изучаю правильную библиотеку. Я привык lme4
до сих пор, потому что мне было проще nlme
, но если nlme
это лучше для моих целей, то я чувствую, что должен это использовать.
Я уверен, что ни один не «лучше» в упрощенном виде, но я бы оценил некоторые мнения или мысли. Мои основные критерии:
- прост в использовании (я по образованию психолог, не особо разбираюсь в статистике или кодировании, но учусь)
- хорошие возможности для подгонки продольных данных (если здесь есть разница, но для этого я в основном и использую их)
- хорошие (легко интерпретируемые) графические сводки, опять же, не уверен, что здесь есть разница, но я часто создаю графики для людей, даже менее техничных, чем я, поэтому хорошие четкие графики всегда хороши (мне очень нравится функция xyplot в решетке () Именно по этой причине).
Как обычно, надеюсь, что этот вопрос не слишком расплывчатый, и заранее спасибо за любую мудрость!
lme4
вы можете указать диагональную ковариационную структуру (т.е. независимые случайные эффекты) или неструктурированные ковариационные матрицы (т.е. все корреляции должны быть оценены) или частично диагональные, частично неструктурированные ковариационные матрицы для случайных эффектов. Я бы также добавил третье отличие в возможностях, которое может быть более актуальным для многих ситуаций с продольными данными:nlme
давайте не будем указывать дисперсионно-ковариационные структуры для остатков (то есть пространственную или временную автокорреляцию или гетероскедастичность)lme4
.