大家好,欢迎来到IT知识分享网。
1. 数据
这里使用sleepstudy
数据集,看一下免费的R包lme4
和付费包asreml
如何处理不同的混合线性模型,以加深对混合线性模型的理解。
数据描述:
睡眠剥夺研究中受试者每天的平均反应时间。第0天,受试者有正常的睡眠时间。从那天晚上开始,他们每晚只能睡3个小时,依次进行0~9天。观察结果(y变量)代表了每天对每个受试者进行的一系列测试的平均反应时间。
数据预览:
> head(dat)
Reaction Days Subject
1 249.5600 0 308
2 258.7047 1 308
3 250.8006 2 308
4 321.4398 3 308
5 356.8519 4 308
6 414.6901 5 308
IT知识分享网
- Reaction:为观测值,遇到刺激的反应时间
- Days:剥夺睡眠的天数
- Subject:实验对象(ID)
原数据可视化:
这里,Subject为每个实验对象(人),做一下折线图,看一下不同人在不同天数的反应时间。
IT知识分享网library(lme4)
data("sleepstudy")
dat = sleepstudy
ggplot(dat,aes(x = Days, y = Reaction, group = Subject, color = Subject)) +
geom_point() + geom_line()
可以看到,不同的人差别比较大,不同的处理天数差别比较大,但是具体到每个人变化是不同的。
- 有些人在0天时,反应时间比如高(截距),后面随着天数的增加,增加得快,或者增加的慢(斜率)
- 有些人在0天时,反应时间比较短,后面随着天数的增加,增加得快,或者增加得慢
- 截距:intercept,为0天的反应
- 斜率:Slope,为增加的速度
lmer常用模型公式如下:
mod= lmer(data = , formula = y ~ Fixed_Factor + (Random_intercept + Random_Slope | Random_Factor))
- data,为数据集
- y,为观测值,所要分析的性状,因变量
- Fixed_Factor,为固定因子
- ()内为随机因子
- Random_intercept,为随机截距,即认为不同群体因变量的分布不同(通俗的解释:有的人生下来起点高,是富二代,有的人是一般群众,起点低)
- Random_Slope,为随机斜率,即认为不同群体受固定因子的影响不同(通俗解释:有的人是学霸,学习能力强,2个小时学会,斜率高;有的人是学渣,2天才能学会,斜率低)
- Random_Factor,随机因子
参考: https://zhuanlan.zhihu.com/p/63092231
2. 模型1:截距随机,斜率固定
这种模型,认为不同人起点有差异,但是随着剥夺睡眠,他们的变化趋势没有差异(平行的)
这里,随机因子为(1 | Subject)
,可以扩展为(1 + 1|Subject)
认为斜率是固定的,截距是随机的。
IT知识分享网library(lme4)
mod1a = lmer(Reaction ~ Days + (1 | Subject), data=dat)
summary(mod1a)
library(asreml)
mod1b = asreml(Reaction ~ Days, random = ~ Subject, data=dat)
两者结果一致:
使用asreml软件的predict
函数进行预测,查看预测值的分布:
pre = predict(mod1b,classify = "Days:Subject",levels = list(Days = 0:9))
pre = as.data.frame(pre) %>% select(Days =1,Subject=2,pre_value =3)
head(pre)
ggplot(pre,aes(x = Days, y = pre_value,
group = Subject, color = Subject)) +
geom_point() + geom_line()
可以看出,每个人的斜率是一样的,截距不一样。
由结果可以写出拟合的函数,比如fixed的值:
- Days:10.46729,为斜率slope
- Intercept:251.4051,为整体均值,加上各个Subject的效应值,即为各个Subject的斜率
比如 Subject308,它的截距为:251.4051 + 40.7786 = 292.1837,那么它的公式为:
y = 292.1837 + 10.46729 ∗ x y = 292.1837 + 10.46729*x y=292.1837+10.46729∗x
如框内所示:
3. 模型2:截距随机,斜率随机,没有相关性
这里,不考虑相关性的写法是||
mod2a = lmer(Reaction ~ Days + (Days || Subject), data=dat)
summary(mod2a)
mod2b = asreml(Reaction ~ Days, random = ~ Subject/Days, data=dat)
summary(mod2b)$varcomp
summary(mod2b,coef=T)$coef.fixed
两者结果一致:
使用asreml软件的predict
函数进行预测,查看预测值的分布:
pre = predict(mod2b,classify = "Days:Subject",levels = list(Days = 0:9))
pre = as.data.frame(pre) %>% select(Days =1,Subject=2,pre_value =3)
head(pre)
ggplot(pre,aes(x = Days, y = pre_value,
group = Subject, color = Subject)) +
geom_point() + geom_line()
可以看出,不同Subject个体,截距不一样,斜率也不一样。
4. 模型3:截距随机,斜率随机,考虑相关性
mod3a = lmer(Reaction ~ Days + (Days | Subject), data=dat)
summary(mod3a) # 它没有估计出协方差,asreml可以估计出协方差
mod3b = asreml(Reaction ~ Days,
random = ~ str(~Subject + Subject:Days, ~us(2):id(Subject)),
data=dat)
summary(mod3b)$varcomp
summary(mod3b,coef=T)$coef.fixed
summary(mod3b,coef=T)$coef.random
结果一致,asreml结果更完整:
使用asreml软件的predict
函数进行预测,查看预测值的分布:
pre = predict(mod3b,classify = "Days:Subject",levels = list(Days = 0:9))
pre = as.data.frame(pre) %>% select(Days =1,Subject=2,pre_value =3)
head(pre)
ggplot(pre,aes(x = Days, y = pre_value,
group = Subject, color = Subject)) +
geom_point() + geom_line()
4. 模型3:斜率随机,截距固定
mod4a = lmer(Reaction ~ Days + (0 + Days | Subject), data=dat)
summary(mod4a)
mod4b = asreml(Reaction ~ Days,
random = ~ Subject:Days,
data=dat)
summary(mod4b)$varcomp
summary(mod4b,coef=T)$coef.fixed
ranef(mod4a)
summary(mod4b,coef=T)$coef.random
结果一致:
使用asreml软件的predict
函数进行预测,查看预测值的分布:
pre = predict(mod4b,classify = "Days:Subject",levels = list(Days = 0:9))
pre = as.data.frame(pre) %>% select(Days =1,Subject=2,pre_value =3)
head(pre)
ggplot(pre,aes(x = Days, y = pre_value,
group = Subject, color = Subject)) +
geom_point() + geom_line()
可以看到,该模型截距都一样,截距固定。
5. lme4包模型比较
模型1:
mod1a = lmer(Reaction ~ Days + (1 | Subject), data=dat)
模型2:
mod2a = lmer(Reaction ~ Days + (Days || Subject), data=dat)
模型3:
mod3a = lmer(Reaction ~ Days + (Days | Subject), data=dat)
模型4:
mod4a = lmer(Reaction ~ Days + (0 + Days | Subject), data=dat)
模型比较:
> anova(mod1a,mod2a,mod3a,mod4a)
refitting model(s) with ML (instead of REML)
Data: dat
Models:
mod1a: Reaction ~ Days + (1 | Subject)
mod4a: Reaction ~ Days + (0 + Days | Subject)
mod2a: Reaction ~ Days + ((1 | Subject) + (0 + Days | Subject))
mod3a: Reaction ~ Days + (Days | Subject)
npar AIC BIC logLik deviance Chisq Df Pr(>Chisq)
mod1a 4 1802.1 1814.8 -897.04 1794.1
mod4a 4 1782.1 1794.8 -887.04 1774.1 19.9983 0
mod2a 5 1762.0 1778.0 -876.00 1752.0 22.0771 1 2.619e-06 ***
mod3a 6 1763.9 1783.1 -875.97 1751.9 0.0639 1 0.8004
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
可以看出,mod2a
为最优模型,它与mod3a
不显著,与其他模型达到极显著水平。它的AIC和BIC也最低,是最优模型。
即模型中截距随机,斜率随机的模型最优:
6. asreml包模型比较
模型1:
mod1b = asreml(Reaction ~ Days, random = ~ Subject, data=dat)
模型2:
mod2b = asreml(Reaction ~ Days, random = ~ Subject/Days, data=dat)
模型3:
mod3b = asreml(Reaction ~ Days,
random = ~ str(~Subject + Subject:Days, ~us(2):id(Subject)),
data=dat)
模型4:
mod4b = asreml(Reaction ~ Days,
random = ~ Subject:Days,
data=dat)
模型比较:
aic1 = summary(mod1b)$bic
aic2 = summary(mod2b)$bic
aic3 = summary(mod3b)$bic
aic4 = summary(mod4b)$bic
bic1 = summary(mod1b)$bic
bic2 = summary(mod2b)$bic
bic3 = summary(mod3b)$bic
bic4 = summary(mod4b)$bic
re = data.frame(Model = paste0("Model: ",1:4), AIC = c(aic1,aic2,aic3,aic4),
BIC = c(bic1,bic2,bic3,bic4))
re
结果:
> re
Model AIC BIC
1 Model: 1 1469.687 1469.687
2 Model: 2 1432.073 1432.073
3 Model: 3 1437.213 1437.213
4 Model: 4 1449.746 1449.746
可以看出,模型2最优,它的AIC和BIC结果最低。
注意,asreml和lme4计算AIC和BIC的方法不一样,所以结果有所差异。
使用LRT似然比检验模型:
lrt.asreml(mod1b,mod2b)
lrt.asreml(mod1b,mod3b)
lrt.asreml(mod2b,mod3b)
结果:
> lrt.asreml(mod1b,mod3b)
Likelihood ratio test(s) assuming nested random models.
(See Self & Liang, 1987)
df LR-statistic Pr(Chisq)
mod3b/mod1b 2 42.837 1.545e-10 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> lrt.asreml(mod2b,mod3b)
Likelihood ratio test(s) assuming nested random models.
(See Self & Liang, 1987)
df LR-statistic Pr(Chisq)
mod3b/mod2b 1 0.041056 0.4197
模型2最优,模型2和模型3不显著,模型2和模型1达到极显著。
7. 模型2的散点图和拟合图合并
这个模型最优!
欢迎关注我的公众号:
育种数据分析之放飞自我
。主要分享R语言,Python,育种数据分析,生物统计,数量遗传学,混合线性模型,GWAS和GS相关的知识。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/13045.html