R：具有异方差数据的混合模型-> 只有 lm 函数有效？答案

【问题标题】：R: mixed model with heteroscedastic data -> only lm function works?R：具有异方差数据的混合模型-> 只有 lm 函数有效？
【发布时间】：2018-07-06 21:25:26
【问题描述】：

This question 提出了同样的问题，但没有得到回答。我的问题与如何使用 lm() 函数指定模型有关，因此是一个编程（非统计）问题。

我有一个混合设计（2 个重复预测变量和 1 个独立预测变量）。参与者首先被引导到 A 组或 B 组（这是独立预测变量），然后他们评估他们对 4 种不同陈述的喜欢程度（这是两个重复的预测变量）。有许多很棒的在线资源如何对这些数据进行建模。但是，我的数据是异方差的。所以我喜欢使用异方差一致的协方差矩阵。 This paper 解释得很好。 sandwich 和 lmtest 软件包很棒。 Here 很好地解释了如何在 R 中使用 lm(y ~ x) 进行独立设计。

我好像用过lm，不然不行？

这里是回归模型的代码，假设所有方差都相等（因为 Levene 的检验回归显着）。

fit3 <- nlme:::lme(DV ~ repeatedIV1*repeatedIV2*independentIV1, random =  ~1|participants, df) ##works fine

这是用于校正异方差的独立模型的代码，它有效。

fit3 <- lm(DV ~ independentIV1)
library(sandwich)
vcovHC(fit3, type = 'HC4', sandwich = F)
library(lmtest)
coef(fit3, vcov. = vcovHC, type = 'HC4')

所以我的问题真的是，如何用 lm 指定我的模型？ R 中如何拟合我的模型来解释异方差的替代方法也是受欢迎的！

非常感谢！！！

【问题讨论】：

lm 不适合混合模型。您需要使用nlme 或lme4 包或其他适合混合模型的包。 This tutorial on mixed models in R 可能会有所帮助。该链接将带您直接进入异方差部分。
还可以查看 Robust Statistical Methods 和 Econometrics 上的 CRAN 任务视图。
@eipi10 加权最小二乘回归（R 中混合模型的教程）要求我正确识别残差中的异方差模式。我不确定我能否以我目前的知识做到这一点，并且像往常一样，有一个最后期限，限制了我可以投入阅读这篇文章的时间。这就是 HC 方法的美妙之处——它不需要指定假设。
@eipi10 第一个链接提供了一些关于如何使用 HC 协方差矩阵（robustbase、robus、MASS 包）的替代选项。会看看他们。谢谢！！第二个链接主要讨论基于 Sandwich 和 lmtest 包的 HC 和 HAC，它们仅适用于 lm() 输出，但不适用于 nlme。 Achim 回邮件说 merDeriv 与 lme4 包一起工作。已经要求他在这里发布信息。再次非常感谢分享链接。真的很有用！

标签： r regression mixed-models

【解决方案1】：

我的印象是，您的问题来自于不同方面（重复测量/相关与异方差）的各种方法混合，而这些方法不能轻易混合。除了使用随机效应，您还可以考虑固定效应，或者不只是调整异方差的推断，您可以考虑使用高斯模型并对均值和方差进行建模等。对我来说，很难说这里的最佳路线是什么.因此，我只评论sandwich 包的一些方面：

sandwich 包不仅限于lm/glm，但原则上它是面向对象的，请参阅vignette("sandwich-OOP", package = "sandwich")（也发布为doi:10.18637/jss.v016.i09。 p>

对于各种各样的包/模型有合适的方法，但不是对于nlme 或lme4。原因是，通常的三明治技巧实际上适用于哪些混合效果模型并不那么明显。（免责声明：但我不是混合效果建模方面的专家。）

但是，对于lme4，有一个相对较新的包称为merDeriv (https://CRAN.R-project.org/package=merDeriv) 提供estfun 和bread 方法，以便sandwich 协方差可以是为lmer 输出等计算。还有一个相关的工作文件用那个包：https://arxiv.org/abs/1612.04911

【讨论】：