Primero comentar, que no tengo experiencia en el manejo de lm4 y que estoy en fase de descodificación, con tantas dudas como el que mas, por lo que puedo meter fácilmente la pata. Pero en mi opinión y en base a lo que he podido entender de la lectura de "Data Analysis Using R. Regression and Multilevel Hierarchical Models", hay al menos dos alternativas para plantear un mutinivel con estos datos: 1.) Con Intercepto variable y predictor (sau_com) a nivel de grupo (comarca): > mod.1 <- lmer(ingre_6 ~ iscs_a + sau_com + (1 | cod_com) ) 2.) Con Intercepto y pendiente variables y predictor (sau_com) a nivel de grupo (comarca): > mod.2 <- lmer(ingre_6 ~ iscs_a + sau_com + iscs_a:sau_com + (1+ iscs_a | cod_com) ) 3.) Una tercera con solo pendiente variable y predictor a nivel de grupo, creo que no tiene mucho sentido, en este contexto. > mod.3 <- lmer(ingre_6 ~ iscs_a + sau_com + iscs_a:sau_com + (iscs_a - 1 | cod_com) ) Opino como tu, que el modelo: > mod.bis <- lmer(ingre_6 ~ iscs_a + sau_com + (iscs_a + sau_com | cod_com) No tiene sentido aunque, R sea capaz de resolverlo. El 05/02/2013 11:52, José Luis Cañadas escribió: > En primer lugar, gracias a todos, me va quedando un poco más claro. > > Entonces , si como dice Fran, "sau_com" no puede interaccionar con > "cod_com" porque no varía . Entonces la forma de introducirla es en la > parte de efectos fijos > mod <- lmer(ingre_6 ~ iscs_a + sau_com + (iscs_a | cod_com) ) > > Entonces , el modelo siguiente no tendría sentido , aunque lmer lo > estima ? > > mod.bis <- lmer(ingre_6 ~ iscs_a + sau_com + (iscs_a + sau_com | > cod_com) > > > Para el primer modelo tengo > Linear mixed model fit by REML > Formula: ingre_6 ~ iscs_a + sau_com + (iscs_a | cod_com) > Data: datos > AIC BIC logLik deviance REMLdev > 4403 4438 -2195 4381 4389 > Random effects: > Groups Name Variance Std.Dev. Corr > cod_com (Intercept) 8.0332 2.8343 > iscs_a 24.9085 4.9908 -0.977 > Residual 4.4500 2.1095 > Number of obs: 998, groups: cod_com, 44 > > Fixed effects: > Estimate Std. Error t value > (Intercept) 1.402576 0.820908 1.709 > iscs_a 5.373308 1.277782 4.205 > sau_com -0.011483 0.007135 -1.609 > > Correlation of Fixed Effects: > (Intr) iscs_a > iscs_a -0.863 > sau_com -0.481 -0.001 > > y para el segundo > > Linear mixed model fit by REML > Formula: ingre_6 ~ iscs_a + sau_com + (iscs_a + sau_com | cod_com) > Data: datos > AIC BIC logLik deviance REMLdev > 4409 4458 -2194 4381 4389 > Random effects: > Groups Name Variance Std.Dev. Corr > cod_com (Intercept) 4.5014e+00 2.121645 > iscs_a 2.4669e+01 4.966787 -1.000 > sau_com 2.1064e-04 0.014514 0.737 -0.737 > Residual 4.4605e+00 2.111996 > Number of obs: 998, groups: cod_com, 44 > > Fixed effects: > Estimate Std. Error t value > (Intercept) 1.351496 0.751051 1.799 > iscs_a 5.335854 1.262446 4.227 > sau_com -0.010293 0.007193 -1.431 > > Correlation of Fixed Effects: > (Intr) iscs_a > iscs_a -0.859 > sau_com -0.373 -0.129 > > En el segundo , utilizando ranef (mod.bis) me da, para las primeras 5 > comarcas > > $cod_com > (Intercept) iscs_a sau_com > 1 0.92525199 -2.16602163 0.0037288619 > 2 -1.93712697 4.53482831 -0.0074634575 > 3 0.92846632 -2.17354640 0.0049221323 > 4 -0.85040132 1.99079565 0.0026945419 > 5 0.03173259 -0.07428624 0.0153976740 > > Pero claro, no sé si tiene sentido el de sau_com, ya que cada comarca > tiene un valor de sau_com , calculado por otras fuentes que no son la > encuesta. > > > Saludos. > > PD. Estoy por pasarme a hablar con Fran en el IECA, que hoy estoy en > Sevilla. > > > > El día 5 de febrero de 2013 10:51, Francisco Viciana > > escribió: > > Creo que no has tenido en cuenta que "sau_com" es una varable a nivel > > comarcal (2º nivel) y no puede interaccionar con "cod_com" porque no > varia > > dentro de cada comarca. La variable que puede interaccionar con la > comarca > > es la medida a nivel individual, que presupongo que es el indicador > > sintético: "iscs_a". Si sustituyes "sau_com" por "iscs_a", tu > exposición es > > correcta. > > > > Ahora hace falta introducir en el modelo la variable medida a nivel > > comarcal: "sau_com" > > > > > > El 05/02/2013 9:51, "Olivier Nuñez" escribió: > > > >> José, > >> > >> me parece que tu duda es más de interpretación. > >> Para simplificar, olvídate un momento del indicador "sintético" y del > >> carácter > >> aleatorio de los efectos de la comarca. > >> Para empezar se puede suponer que el ingreso individual (¿del > jornalero?) > >> se > >> relaciona (linealmente) con la superficie de la comarca siempre de la > >> misma manera > >> (mismo coeficiente para todas la comarcas): > >> > >> Modelo1 : Ingreso = sau_com > >> > >> Es decir que en un gráfico con el ingreso en el eje de oordenadas y la > >> superficie en > >> el eje de abscisas, podríamos ajustar satisfactoriamente los datos > con una > >> solo > >> recta. > >> > >> Ahora supongamos que el ajuste no es satisfactorio. Concretamente, > >> observamos que > >> para ciertas comarcas el ingreso crece mucho con la superficie y > que para > >> otras > >> crece poco. Tomar esta interacción de la comarca en la relación > >> ingreso versus superficie, nos lleva al siguiente modelo: > >> > >> Modelo2: Ingreso = sau_com + sau_com:cod_com > >> > >> Ahora bien, resulta que el efecto de la comarca es aleatorio, > porque las > >> comarcas > >> observadas constituyen una muestra aleatoria de una población de > comarcas > >> en la > >> región de estudio. Tomar en cuenta el carácter aleatorio del efecto > >> comarca te > >> llevaría al siguiente modelo (en lmer): > >> > >> Modelo3: Ingreso = sau_com + (sau_com|cod_com) > >> > >> Por ultimo, el modelo con el cual tuviste problemas es el siguiente: > >> > >> Modelo4: Ingreso = (sau_com|cod_com) > >> > >> Este modelo (en lmer) significa que globalmente (en la población de > >> comarcas), no > >> hay relación entre la superficie y el ingreso. Porque por ejemplo, en > >> unas esta > >> relación es negativa y en otras la relación es positiva. De manera > que en > >> promedio, > >> la relación es nula. > >> > >> Si intentas utilizar la función coef(Modelo4), el paquete lme4 te > contesta > >> que no > >> puede alinear efectos fijos y aleatorios. Básicamente, porque en > este caso > >> sólo hay > >> un efecto fijo (la media global) y tantos efectos aleatorios como > comarcas > >> en la > >> muestra. Este error es sólo debido a como lme4 enfoca la modelización > >> (deben opinar > >> que el modelo 4 refleja un problema en el diseño del experimento y > resulta > >> poco > >> útil). > >> En todo caso, te aconsejo utilizar la función fitted() para ver como un > >> cambio de > >> modelo afecta a tu ajuste. > >> > >> Un saludo. > >> > >> > >> -- > >> ____________________________________ > >> > >> > >> Olivier G. Nuñez > >> Email: onunez@unex.es > >> http://kolmogorov.unex.es/~onunez > >> Tel : +34 663 03 69 09 > >> Departamento de Matemáticas > >> Universidad de Extremadura > >> > >> > >> ____________________________________ > >> > >> > >> > >> > >>> Hola a todos. > >>> Estoy utilizando la función lmer del paquete lme4 para ajustar un > modelo > >>> mixto. > >> > >> Tengo varias variables en mi data.frame, unas son a nivel individual y > >> otras a > >> nivel de comarcas. Listo algunas. > >>> > >>> ingre_6 : Ingresos (nivel individual) > >>> iscs_a : un indicador sintético resumen de otras variables, calculado > >>> mediante > >> > >> componentes principales. > >>> > >>> sau_com : superficie agraria útil de cada una de las comarcas. > >>> cod_com : código de cada comarca. 44 en total > >>> Quiero incluir sau_com como predictor a nivel de comarcas, pero no > sé si > >>> también > >> > >> tengo que meterlo a nivel individual > >>> > >>> yo hago. > >>> library(lme4) > >>> mod.ingr <- lmer(ingre_6 ~ iscs_a + (sau_com | cod_com) , > data=datos.agr) > >>> El > >> > >> modelo ajusta y puedo obtener los coeficientes con fixef(mod.ingr) y > >> ranef(mod.ingr) , pero si quiero obtener los coeficientes para cada > una de > >> las > >> comarcas con coef(mod.ingr) me dice qeu no puede alinearlos. Si incluyo > >> sau_com en > >> la parte de efectos fijos, el modelo tb ajusta y esta vez si puedo > obtener > >> los > >> coeficientes con coef(mod.ingr2) > >>> > >>> mod.ingr.2 <- lmer(ingre_6 ~ iscs_a + sau_com + (sau_com | cod_com) , > >> > >> data=datos.agr) > >>> > >>> En la bibliografía y ejemplos que he consultado siempre aparece de la > >>> segunda > >> > >> forma. ¿Hay que ponerlo siempre así? ¿Cuál es la diferencia entre > uno y > >> otro? > >>> > >>> Saludos > >>> _______________________________________________ > >>> R-help-es mailing list > >>> R-help-es@r-project.org > >>> https://stat.ethz.ch/mailman/listinfo/r-help-es > >> > >> _______________________________________________ > >> R-help-es mailing list > >> R-help-es@r-project.org > >> https://stat.ethz.ch/mailman/listinfo/r-help-es > >> > > > > > > -- > > +-------------------------------------------------------------- > > | Francisco J. Viciana Fernández > > | Coordinador del Registro de Población > > | Servicio de Estadísticas Demográficas y Sociales > > | Instituto de Estadística y Cartografía de Andalucía > > | Leonardo Da Vinci, nº 21. Isla de La Cartuja. > > | 41071 SEVILLA. > > | franciscoj.viciana@juntadeandalucia.es > > > +-------------------------------------------------------------- > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es@r-project.org > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > -- > -- 0__ -------- José Luis Cañadas Reche > -- c/ /'_ ------- > -- (*) \(*) > ~~~~~~~~~ -- +-------------------------------------------------------------- | Francisco J. Viciana Fernández | Coordinador del Registro de Población | Servicio de Estadísticas Demográficas y Sociales | Instituto de Estadística y Cartografía de Andalucía | Leonardo Da Vinci, nº 21. Isla de La Cartuja. | 41071 SEVILLA. | franciscoj.viciana@juntadeandalucia.es +-------------------------------------------------------------- [[alternative HTML version deleted]]