vglmer公司:变分广义线性混合效应回归
使用中描述的变分算法戈普勒鲁(2022a)和中戈普勒鲁(2022b)。它还提供了改进初始使用边际增广变分贝叶斯(MAVB)的近似如Goplerud(2022a)所述。它可以从CRAN或可以使用安装most-to-update版本开发工具
.
#CRAN(起重机)install.packages(“vglmer”)#最新GitHub版本库(devtools)devtools::install_github(“mgoplerud/vglmer”,依赖项=TRUE)
目前,它可以拟合logistic、线性和负二项式具有任意数量随机效应的结果。有关负片的详细信息可以找到二项式推理在这里目前更具实验性。
此软件包接受以下格式的“标准”glmer语法:
vglmer(公式=y~x+(x|g),数据=数据,族=‘二项式’)
样条曲线可以使用vs(x)
,类似于中的功能mgcv公司
,尽管数量更少选项。
vglmer(公式=y~vs(x)+(x|g),数据=数据,族=‘二项式’)
许多标准方法来自lme4公司
工作,例如固定(fixef)
,系数
,真空断路器
,拉涅夫
,预测
.使用format_vglmer格式
将所有参数解析为单个data.frame。估计可以是通过众多参数控制控制
使用vglmer_control(vglmer_控制)
。目前,方案I、II和IIIGoplerud(2022a)对应坚强的
,部分
、和虚弱的
。默认值为坚强的
对应最强(最差)近似值。如果参数的方差是感兴趣的,那么虚弱的
将返回更好的结果。
请在GitHub上提出您有任何顾虑的问题。