[R-es] regresion mixta

[Pablo Emilio Verde]

Cualquiera sea el criterio de ajuste que usen, en general es recomendable
graficar
el ajuste vs las respuestas. Aca les mando un ejemplo en el que contamino
una sola
observacion y el R2 *no* representa el ajuste del modelo.

#...
library(nlme)

Orthodont2[1,1]<-0

summary(fm1 <-lme(distance ~ age, random = ~ 1|Subject ,data = Orthodont))
summary(fm2 <-lme(distance ~ age, random = ~ 1|Subject ,data = Orthodont2))

cor(fitted(fm1), getResponse(fm1))^2
cor(fitted(fm2), getResponse(fm2))^2

par(mfrow=c(1,2))
 plot(fitted(fm1), getResponse(fm1))
 plot(fitted(fm2), getResponse(fm2))
par(mfrow=c(1,1))

#...

Pablo



----- Original Message -----
From: "Javier Martinez" <javi.martinez.lopez en gmail.com>
To: <r-help-es en r-project.org>
Sent: Thursday, May 27, 2010 10:25 AM
Subject: Re: [R-es] regresion mixta


Muchas gracias a ambos por las respuestas. Me gustaría saber qué
método o cita sigue la función 'RSqare' del paquete 'lsmeans' y si se
puede calcular la R2 ajustada, aunque por algún motivo no me funciona
con modelos generados con la función 'lm'. Dice: 'Error en
mymodel$call[[3]] : subíndice fuera de  los límites'. ¿Hay que hacer
también objetos agrupados previamente sobre la matriz de datos del
modelo 'lm'? He probado con ambos métodos y los resultados son:

> RSquare(lme_modelo)
       R2_0      R2_1
1 0.2780425 0.9560489

> cor(fitted(lme_modelo), getResponse(lme_modelo))^2
[1] 0.9560489

El valor de R2 sería entonces 0.95, ¿no? ¿Se supone que es la media de
cada una de las rectas de regresión en base a mis grupos? Cuando hago
un 'lm' normal con los mismo datos la regresión sale no significativa
y con un R2 de 0.278, en cambio teniendo en cuenta los grupos con
'lme' paso a 0.95 con una p<0.05!

Por otro lado he encontrado un material de clases de estadística en el
siguiente link, donde hablan de un pseudo R2 de nivel 1:
http://www.unc.edu/courses/2006spring/ecol/145/001/docs/lectures/lecture43.h
tm
y al calcularlo da otro valor:

> (as.numeric(VarCorr(lme_modelo0)[2,1]) -
as.numeric(VarCorr(lme_modelo)[2,1]))/ as.numeric(VarCorr(lme_modelo0)[2,1])
[1] 0.5376202

Gracias por vuestra ayuda y saludos,

Javier



2010/5/26 Luciano Selzer <luciano.selzer en gmail.com>:
> Hola Javier, no existe una manera que de ese valor automáticamente. Pero
> podes calcularlo fácilmente:
> cor(fitted(modelo), getResponse(modelo))^2
> Esto lo encontre buscando en los foros es la respuesta de Pinherio
> http://www.biostat.wustl.edu/archives/html/s-news/2002-04/msg00075.html
> También dice que no es lo mismo que el R cuadrado de una regresión lineal
> porque el método de ajuste no es LS.
> Este otro link apunta a un articulo sobre el R cuadrado para la selección
de
> efectos fijos en modelos mixtos.
> http://portal.acm.org/citation.cfm?id=1316079.1316196
> Un saludo.
> Luciano
>
>
> El 26 de mayo de 2010 13:16, Javier Martinez
<javi.martinez.lopez en gmail.com>
> escribió:
>>
>> Hola a tod en s,
>>
>> estoy trabajando con modelos de regresión mixta con el paquete "nlme",
>> concretamente con la función "lme". Una vez que hago mi modelo y el
>> summary del mismo obtengo por ejemplo la significación (valor p) de la
>> variable independiente, así como el valor del AIC para comparar mi
>> modelo con otro similar, pero no sé cómo obtener un valor del grado de
>> ajuste de la recta de regresión resultante a los datos observados,
>> algo así como el R al cuadrado ajustado que me da el modelo "lm".
>> ¿Alguien sabe cómo obtenerlo?
>>
>> Muchas gracias de antemano,
>>
>> Salu2,
>>
>> Javier
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>

_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es