在 r-project 中使用 lmer() 诊断混合效应逻辑回归模型答案

【问题标题】：Diagnostics for a mixed effects logistic regression model using lmer() in r-project在 r-project 中使用 lmer() 诊断混合效应逻辑回归模型
【发布时间】：2013-02-17 19:02:03
【问题描述】：

我正在尝试对下面的混合效应逻辑回归模型进行诊断。

mod <- lmer(CEever ~    (1|SL)  
        + birthWeightCat 
        + AFno
        + FRAgeY*factor(genCat)
        + damGirBir
        + factor(YNSUPPLEM), 
        data=Data,  family="binomial")

此模型的数据格式为：

head(data)

         CalfID CEever birthWeightCat AFno FRAgeY damGirBir YNSUPPLEM
305 CA010110001      1            <20    2     48     140.0         1
306 CA010110002      1          21-25    1     45     144.0         0
307 CA010110004      0          21-25    1     47     151.5         0
308 CA010110005      0            <20    2     71     147.0         0
309 CA010110006      0            <20    1     57     141.5         1
310 CA010110007      0            <20    1     53     141.5         1

我可以绘制残差：

res <- resid(mod) 
plot(res)

....但无法获得杠杆或库克距离和 Dfbeta 的值。

首先是这些用于此模型类型的有用技术，然后如果是，人们使用什么代码来获取这些值。

【问题讨论】：

标签： r

【解决方案1】：

看看 CRAN 的 influence.ME package。

【讨论】：

您好，我已经尝试使用这个包，它似乎适用于线性但不适用于逻辑混合效果模型。我使用它如下： alt.est
没用过这个论坛，上面的回复有点乱！我的意思是非常感谢您的及时回复，您知道我在上面使用 estex() 的代码中做错了什么吗？（我已经包含了上面获得的错误消息。）上面的格式是一场灾难，非常抱歉。

【解决方案2】：

alt.est <- influence(modJ, group = "SL")

将生成一个 estex 对象，您可以从中派生 dfbetas、cooks d 等。

alt.est.cooks <- cooks.distance(alt.est)
alt.est.dfB <- dbetas(alt.est)

【讨论】：