指定lme固定效應公式中的分組因子

我的數據集包含兩個觀察值，分別爲70位個體在治療開始和結束時的數字評分（「參與」）。時代是不是個人，但這些節目進行視覺檢查。大部分增長在此期間指定lme固定效應公式中的分組因子

sfa <- read.csv("SFAFinalData.csv", header = TRUE) 
groupingFormula <- as.formula(paste(columnName,"~ TIME|ID")) 
dataSubset <- na.omit(sfa[,seq(1:6)]) 
inputData <- groupedData(groupingFormula, data=dataSubset, labels = list("Weeks post injury", columnName)) 
m1 <- lme(inputData)

按預期工作

> m1 
Linear mixed-effects model fit by REML 
Data: inputData 
Log-restricted-likelihood: -631.7963 
Fixed: Participation ~ TIME 
(Intercept)  TIME 
18.7616485 0.4220891 

Random effects: 
Formula: ~TIME | ID 
Structure: General positive-definite 
     StdDev  Corr 
(Intercept) 15.4985010 (Intr) 
TIME   0.2192035 1  
Residual 13.2272350  

Number of Observations: 140 
Number of Groups: 70

現在我試圖分析（即參與，比較之間不變在三個子組（「類型」）的時間的函數：因子分別與三個等級，用10，29和31個個體），但是

m2 <- update(m1, fixed = .~.*TYPE)

導致錯誤

Warning message: 
In lme.formula(fixed = Participation ~ TYPE, data = inputData) : 
Fewer observations than random effects in all level 1 groups

努力看我在做什麼錯在這裏：據我所見我有足夠的觀察？

來源

2012-04-12 Rob Forsyth

儘量不要使用分組數據。我知道，書中的例子經常使用它，但我發現它是lme中最令人困惑的部分。並避免。在公式中，它可能非常貪婪可能會導致錯誤消息的類型。

有了很多猜測（請至少後STR（SFA）），我假設你想要的東西，如：

sfa <- read.csv("SFAFinalData.csv", header = TRUE) 
# No grouped Data! 
lme(Participation~TIME*TYPE,random=~1|ID,data=sfa)

來源

2012-04-12 12:24:50

這已經修復了這個問題對我來說，謝謝你，但我還是不非常瞭解原始症狀的原因：會避開分組數據對象！ – 2012-04-12 13:00:27

使用它的例子總是有點困難。但是請放心，沒有。你的問題可能是固定的ID，而「。」我從不使用它，因爲害怕不利影響。我也從不使用更新，因爲我更願意直接看到我所做的。使用它與1998年的電腦有關。 – 2012-04-12 17:23:28

指定lme固定效應公式中的分組因子

回答

相關問題