lme4パッケージの更新

しばらく見ないうちに、最新版のlme4パッケージでは劇的な進化を遂げていたようなので、それについてメモ。

SPONSOR LINK

glmer.nbの出現

これまで負の二項分布を仮定したモデルで、ランダム効果をいれるとしたら、glmmADMBパッケージか、もしくはベイズモデル化(WinBUGSなど)する必要があった(ADMBもベイズみたいなもん?中身はよくわからない)。しかし、最新版のlme4パッケージでは、glmer.nbという関数が表れたことにより、負の二項分布でもランダム効果を簡単に入れることができるようになった。仕様については基本的なlmerと変わらない模様。ただし、頻度主義的に扱うには尤度関数が複雑すぎる気がするので、いったいどこまで結果が信用できるかは不明。>3のランダム項をいれるのはきっとご法度。

mcmcsamp()の廃止

昔のlme4には、最尤法ではなく、MCMCでベイズっぽく推定するための関数が用意されていた。しかし、最新版のlme4パッケージでは除外された模様。Rのhelpには以下のように書いてある。
Due to difficulty in constructing a version of mcmcsamp that was reliable even in cases where the estimated random effect variances were near zero (e.g. https://stat.ethz.ch/pipermail/r-sig-mixed-models/2009q4/003115.html), mcmcsamp has been withdrawn (or more precisely, not updated to work with lme4 versions >=1.0.0)

どうやらランダム効果のばらつきがゼロ付近のときに、あまりいい推定をしてくれないということで、やめにしたということらしい。個人的には、ランダム効果が多いとき(>3)の最尤推定は不安なので、mcmcsamp()の取り下げは手痛い、、、JAGSとかはコード書くのが面倒だからなぁ、、、

lmerにおけるREMLのデフォルト化

REMLとはなんぞや、と調べてみると、REstricted Maximum Likelihoodの略らしい。最新版のlmerでは、MLではなくREMLがデフォルトになっている。REMLとMLの違いは、(筆者の浅はかな理解によると)、前者は固定効果による自由度減少を考慮したうえでランダム効果の分散を推定し、後者は考慮しないらしい。つまり、後者の場合、ランダム効果のばらつきの推定は偏りが生じているということになる(不偏推定量でない?)。ただ、REMLではモデル選択ができないため(なぜかはよくわからない)、MuMInパッケージなどでモデル選択する場合はREML=Fとする必要がある。正規分布以外ではMLしか使えないので心配の必要なし。

glmerとlmerの(よくわからない)分離

正規分布の場合はlmer、それ以外はglmerということでよさそう。

Spread the love
  • 11
    Shares

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です