Estoy tratando de adaptar un modelo mixto multivariado (es decir, respuesta múltiple) R
. Aparte de los paquetes ASReml-r
y SabreR
(que requieren software externo), parece que esto solo es posible en MCMCglmm
. En el documento que acompaña al MCMCglmm
paquete (págs. 6), Jarrod Hadfield describe el proceso de ajustar un modelo como el de remodelar múltiples variables de respuesta en una variable de formato largo y luego suprimir la intercepción general. Tengo entendido que suprimir la intersección cambia la interpretación del coeficiente para cada nivel de la variable de respuesta como la media de ese nivel. Dado lo anterior, ¿es posible ajustar un modelo mixto multivariante usando lme4
? Por ejemplo:
data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
data = mtcars)
summary(m1)
# Linear mixed model fit by REML
# Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb))
# Data: mtcars
# AIC BIC logLik deviance REMLdev
# 913 933.5 -448.5 920.2 897
# Random effects:
# Groups Name Variance Std.Dev.
# factor(carb) (Intercept) 509.89 22.581
# Residual 796.21 28.217
# Number of obs: 96, groups: factor(carb), 6
#
# Fixed effects:
# Estimate Std. Error t value
# variabledrat:gear -7.6411 4.4054 -1.734
# variablempg:gear -1.2401 4.4054 -0.281
# variablehp:gear 0.7485 4.4054 0.170
# variabledrat:carb 5.9783 4.7333 1.263
# variablempg:carb 3.3779 4.7333 0.714
# variablehp:carb 43.6594 4.7333 9.224
¿Cómo interpretaría uno los coeficientes en este modelo? ¿Funcionaría este método también para modelos lineales mixtos generalizados?