[R-es] Duda glmer

[Guillermo.Vinue en uv.es]

Muchas gracias por tu respuesta y el código Olivier, me es de mucha ayuda.

Un saludo,

Guillermo

> Guillermo,
> 
> me temo que en tu simulación, el enfoque multinivel carezca de sentido.
> Ten en cuenta que en este tipo de modelo la agrupación de los datos,
es decir el segundo nivel en la jerarquía,
> no puede ser en sólo 2 categorías o grupos, sino en un numero
considerable de grupos que justifique el análisis de la variabilidad
entre dichos grupos.
> Prueba más bien la siguiente simulación:
> 
> 
> set.seed(100) 
> beta_0 <- -0.9
> beta_1 <- 0.02
> sigma <- 1
> q=200; n=50
> re <- rnorm(q)*sigma # efectos aleatorios asociado al grupo
> u <- rep(re,each=n)
> x <- floor(runif(n*q,min=0,max=10))
> p <- exp( beta_0 + beta_1*x + u) / (1+ exp( beta_0 + beta_1*x + u)) 
> y <-rbinom(n*q,1,p)
> datos=data.frame(y,u,grupo=rep(1:q,each=n))
> 
> fit=glmer(y~x+(1|grupo),data=datos,family=binomial)
> summary(fit)
> 
> 
> Generalized linear mixed model fit by maximum likelihood (Laplace
>   Approximation) [glmerMod]
>  Family: binomial  ( logit )
> Formula: y ~ x + (1 | grupo)
>    Data: datos
> 
>      AIC      BIC   logLik deviance df.resid 
>  11603.3  11625.0  -5798.7  11597.3     9997 
> 
> Scaled residuals: 
>     Min      1Q  Median      3Q     Max 
> -2.8102 -0.6685 -0.4591  0.8800  4.0097 
> 
> Random effects:
>  Groups Name        Variance Std.Dev.
>  grupo  (Intercept) 0.9758   0.9878  
> Number of obs: 10000, groups:  grupo, 200
> 
> Fixed effects:
>              Estimate Std. Error z value Pr(>|z|)    
> (Intercept) -0.911938   0.082754 -11.020  < 2e-16 ***
> x            0.027207   0.008101   3.359 0.000783 ***
> ---
> Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> 
> 
> 
> ----- Mensaje original -----
> De: "Guillermo Vinue" <Guillermo.Vinue en uv.es>
> Para: r-help-es en r-project.org
> Enviados: Miércoles, 10 de Junio 2015 13:10:26
> Asunto: [R-es] Duda glmer
> 
> Hola,
> 
> Tengo una base de datos con estructura jerárquica en la que quiero
> clasificar observaciones en distintas categorías.
> 
> En el caso más simple, tengo una variable con dos categorías (variable
> Y1) y dentro de cada una de ellas hay otras dos categorías (variable
> Y2). Además tengo una variable explicativa cuantitativa discreta X.
> 
> El banco de datos sería de este tipo:
> 
> X Y1 Y2
> 5  0  1
> 9  0  0
> 2  0  1
> 8  0  0
> 9  0  0
> 6  0  0
> 4  1  0
> 5  1  1
> 5  1  1
> 6  1  1
> 0  1  1
> 6  1  0
> 
> El enfoque estadístico que quiero plantear es un modelo lineal
> generalizado mixto con efectos aletorios para tener en cuenta esta
> estructura jerárquica o multinivel. 
> 
> Para analizar si este enfoque es adecuado he simulado unos datos. En
> primer lugar, trato de clasificar las observaciones en las categorías de
> Y1 mediante un glm y obtengo estimadores de los coeficientes que son muy
> similares a los valores simulados, como era esperable.
> 
> Sin embargo, cuando trato de utilizar un glmer con un intercepto
> aleatorio y pendientes fijas para tratar de distinguir entre categorías,
> obtengo estimadores muy alejados de los valores simulados. 
> 
> He leído mucha de la bibliografía específica (por ejemplo, los capítulos
> relacionados con los glmer de los libros de Bates o Goldstein) y he
> buscado por internet pero no logro encontrar el error en mi procedimiento .
> 
> Adjunto el código de la simulación que llevo a cabo en R por si alguien
> me pudiera hacer alguna indicación.
> 
> Muchas gracias de antemano.
> 
> Un saludo,
> 
> Guillermo
> 
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
> 
>