Extraer variaciones de efectos aleatorios del objeto de modelo lme4 mer

Question

Tengo un objeto mer que tiene efectos fijos y aleatorios. ¿Cómo extraigo las estimaciones de varianza para los efectos aleatorios? Aquí hay una versión simplificada de mi pregunta.

study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy) 
study 

Esto proporciona una salida larga, no demasiado larga en este caso. De todos modos, ¿cómo selecciono explícitamente el

Random effects: 
Groups Name  Variance Std.Dev. 
Subject (Intercept) 1378.18 37.124 
Residual    960.46 30.991 

parte de la salida? Quiero los valores en sí mismos.

yo he tomado largas miradas en

str(study) 

y no hay nada allí! También verifiqué todas las funciones de extractor en el paquete lme4 en vano. ¡Por favor ayuda!

Answer 1

lmer devuelve un objeto S4, así que esto debería funcionar:

remat <- summary(study)@REmat 
print(remat, quote=FALSE) 

que imprime:

Groups Name  Variance Std.Dev. 
Subject (Intercept) 1378.18 37.124 
Residual    960.46 30.991 

... En general, se puede ver en la fuente de la print y summary métodos para objetos "mer":

class(study) # mer 
selectMethod("print", "mer") 
selectMethod("summary", "mer") 

Answer 2

Trate

attributes(study) 

Como un ejemplo:

> women 
    height weight 
1  58 115 
2  59 117 
3  60 120 
4  61 123 
5  62 126 
6  63 129 
7  64 132 
8  65 135 
9  66 139 
10  67 142 
11  68 146 
12  69 150 
13  70 154 
14  71 159 
15  72 164 

> lm1 <- lm(height ~ weight, data=women) 
> attributes(lm1) 
$names 
[1] "coefficients" "residuals"  "effects"  "rank"   
[5] "fitted.values" "assign"  "qr"   "df.residual" 
[9] "xlevels"  "call"   "terms"   "model"   

$class 
[1] "lm" 

> lm1$coefficients 
(Intercept)  weight 
25.7234557 0.2872492 

> lm1$coefficients[[1]] 

[1] 25.72346 


> lm1$coefficients[[2]] 

[1] 0.2872492 

El extremo.

Answer 3

> attributes(summary(study))$REmat 
Groups  Name   Variance Std.Dev. 
"Subject" "(Intercept)" "1378.18" "37.124" 
"Residual" ""   " 960.46" "30.991" 

Answer 4

Algunas de las otras respuestas son viables, pero afirmo que la mejor respuesta es usar el método de acceso diseñado para esto - VarCorr (este es el mismo que en el predecesor lme4, el paquete nlme).

ACTUALIZACIÓN en las versiones recientes de lme4 (versión 1.1-7, pero todo a continuación es probablemente aplicable a versiones> = 1.0), VarCorr es más flexible que antes, y se debe hacer todo lo que desee sin tener que recurrir a la pesca en torno dentro del objeto modelo ajustado.

library(lme4) 
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy) 
VarCorr(study) 
## Groups Name  Std.Dev. 
## Subject (Intercept) 37.124 
## Residual    30.991 

Por defecto desviaciones VarCorr() impresiones estándar, pero se puede obtener variaciones en cambio, si lo prefiere:

print(VarCorr(study),comp="Variance") 
## Groups Name  Variance 
## Subject (Intercept) 1378.18 
## Residual    960.46 

(comp=c("Variance","Std.Dev.") imprimirá ambos).

Para mayor flexibilidad, se puede utilizar el método de as.data.frame para convertir el objeto VarCorr, que da a la variable de agrupación, variable (s) efecto, y la varianza/covarianza o desviación/correlaciones estándar:

as.data.frame(VarCorr(study)) 
##  grp  var1 var2  vcov sdcor 
## 1 Subject (Intercept) <NA> 1378.1785 37.12383 
## 2 Residual  <NA> <NA> 960.4566 30.99123 

Finalmente, la forma cruda del objeto VarCorr (que probablemente no debería meterse con usted si no es necesario) es una lista de matrices de varianza-covarianza con información adicional (redundante) que codifica las desviaciones y correlaciones estándar, así como también como atributos ("sc") dando la desviación estándar residual y especificando si el modelo tiene un parámetro de escala estimado ("useSc").

unclass(VarCorr(fm1)) 
## $Subject 
##    (Intercept)  Days 
## (Intercept) 612.089748 9.604335 
## Days   9.604335 35.071662 
## attr(,"stddev") 
## (Intercept)  Days 
## 24.740448 5.922133 
## attr(,"correlation") 
##    (Intercept)  Days 
## (Intercept) 1.00000000 0.06555134 
## Days   0.06555134 1.00000000 
## 
## attr(,"sc") 
## [1] 25.59182 
## attr(,"useSc") 
## [1] TRUE 
##