Me gustaría extraer las pendientes para cada individuo en un modelo de efectos mixtos, como se describe en el siguiente párrafo
Se utilizaron modelos de efectos mixtos para caracterizar las rutas individuales de cambio en las medidas de resumen cognitivo, incluidos los términos de edad, sexo y años de educación como efectos fijos (Laird y Ware, 1982; Wilson et al., 2000, 2002c) ... Los términos de pendiente de deterioro cognitivo individual residual se extrajeron de los modelos mixtos, después del ajuste por los efectos de la edad, el sexo y la educación. Las pendientes residuales ajustadas específicas de cada persona se usaron luego como un fenotipo de resultado cuantitativo para los análisis de asociación genética. Estas estimaciones equivalen a la diferencia entre la pendiente de un individuo y la pendiente pronosticada de un individuo de la misma edad, sexo y nivel educativo.
De Jager, PL, Shulman, JM, Chibnik, LB, Keenan, BT, Raj, T., Wilson, RS, et al. (2012) Una exploración de todo el genoma para las variantes comunes que afectan la tasa de deterioro cognitivo relacionado con la edad . Neurobiology of Aging, 33 (5), 1017.e1–1017.e15.
He analizado el uso de la coeffunción para extraer los coeficientes para cada individuo, pero no estoy seguro de si este es el enfoque correcto para usar.
¿Alguien puede dar algún consejo sobre cómo hacer esto?
#example R code
library(lme4)
attach(sleepstudy)
fml <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
beta <- coef(fml)$Subject
colnames(beta) <- c("Intercept", "Slope")
beta
summary(beta)
summary(fm1)