d <- sim_school()
head(d, 4) school hours score
1 S01 4.6 47.4
2 S01 4.0 53.1
3 S01 0.8 37.6
4 S01 6.3 69.6
R + lme4 で手を動かして理解する
lmer() でモデルを当てはめ、出力を読めるヒント
詳しい解説と演習問題は ハンズオンブック にあります
20 校の生徒に 勉強時間 と テスト得点 を記録
school hours score
1 S01 4.6 47.4
2 S01 4.0 53.1
3 S01 0.8 37.6
4 S01 6.3 69.6
知りたいこと:勉強時間が1時間増えると、得点は何点上がる?
右上がり。でもばらつきが大きい
どの学校も右上がり、でも学校ごとに高さが違う
グループ構造はどこにでもある
学校 ⊃ 生徒、病院 ⊃ 患者、店舗 ⊃ 売上、同じ人の反復測定 …
本当は効果がない「補習プログラム」を学校単位でランダムに割り当て、300回検定
ポイント
\[ \text{score}_i = \beta_0 + \beta_1 \cdot \text{hours}_i + \varepsilon_i, \qquad \varepsilon_i \sim N(0, \sigma^2) \]
学校によって全体的にプラス/マイナス → 誤差に「学校のずれ」が混ざっている
| 考え方 | 学校の違い | 問題点 |
|---|---|---|
| 完全プーリング | 無視する | 独立性が崩れる |
| プーリングなし | 学校ごとに完全に別々 | 少ないデータで不安定 |
| 部分プーリング | 違うが似ている | ← 線形混合モデル |
部分プーリングの仮定:
学校ごとの切片は違う。でもそれらは1つの正規分布から出てきた
データが少ない学校ほど全体平均に引き寄せられる
全体に共通の値を1つ推定
グループごとに異なり、分布からばらつく
「混合 (mixed)」= この2種類を混ぜて使うモデル
\[ \text{score}_{ij} = \underbrace{\beta_0 + \beta_1 \cdot \text{hours}_{ij}}_{\text{固定効果}} + \underbrace{u_j}_{\text{学校のずれ}} + \underbrace{\varepsilon_{ij}}_{\text{個人のばらつき}} \]
\[ u_j \sim N(0, \tau^2), \qquad \varepsilon_{ij} \sim N(0, \sigma^2) \]
| 部分 | 意味 |
|---|---|
score ~ hours |
固定効果(lm() と同じ) |
(1 | school) |
school ごとに切片 (1) がばらつく |
| の左 = 何がばらつくか、右 = 何ごとにばらつくか
Linear mixed model fit by REML. t-tests use Satterthwaite's method [
lmerModLmerTest]
Formula: score ~ hours + (1 | school)
Data: d
REML criterion at convergence: 2119.3
Scaled residuals:
Min 1Q Median 3Q Max
-2.52549 -0.63282 -0.00379 0.65028 2.52623
Random effects:
Groups Name Variance Std.Dev.
school (Intercept) 62.97 7.935
Residual 40.54 6.367
Number of obs: 315, groups: school, 20
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 46.0878 1.9390 24.7389 23.77 <2e-16 ***
hours 3.2296 0.1299 297.5316 24.86 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Correlation of Fixed Effects:
(Intr)
hours -0.338
Groups Name Std.Dev.
school (Intercept) 7.9352
Residual 6.3668
(Intercept) hours
46.087796 3.229567
ranef():学校ごとのずれ \(\hat u_j\)、coef():学校ごとの直線全体のばらつきのうち、学校間の違いが占める割合
\[ \text{ICC} = \frac{\tau^2}{\tau^2 + \sigma^2} \]
18人が睡眠を1日3時間に制限、10日間 反応時間 (ms) を測定
切片だけでなく、悪化のペース(傾き)も人によって違う
\[ \text{Reaction}_{ij} = (\beta_0 + u_{0j}) + (\beta_1 + u_{1j}) \cdot \text{Days}_{ij} + \varepsilon_{ij} \]
推定するばらつきは3つ:
| 書き方 | 意味 |
|---|---|
(1 | g) |
切片のみランダム |
(x | g) |
切片 + 傾き、相関も推定 |
(x || g) |
切片 + 傾き、相関は 0 と仮定 |
(0 + x | g) |
傾きのみランダム |
(Intercept) Days
251.40510 10.46729
Groups Name Std.Dev. Corr
Subject (Intercept) 24.7407
Days 5.9221 0.066
Residual 25.5918
(1 | school/class)(1 | subject) + (1 | item)| 方法 | 使いどころ |
|---|---|
| REML(デフォルト) | 最終的な推定値、ランダム効果の比較 |
| ML | 固定効果が違うモデルの比較 |
anova() は固定効果の比較時に自動で ML に再推定してくれる Estimate Std. Error df t value Pr(>|t|)
(Intercept) 251.40510 6.824597 16.99973 36.838090 1.171558e-17
Days 10.46729 1.545790 16.99998 6.771481 3.263824e-06
Data: sleepstudy
Models:
fit0: Reaction ~ 1 + (Days | Subject)
fit_rs: Reaction ~ Days + (Days | Subject)
npar AIC BIC logLik -2*log(L) Chisq Df Pr(>Chisq)
fit0 5 1785.5 1801.4 -887.74 1775.5
fit_rs 6 1763.9 1783.1 -875.97 1751.9 23.537 1 1.226e-06 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Data: sleepstudy
Models:
fit_ri2: Reaction ~ Days + (1 | Subject)
fit_rs: Reaction ~ Days + (Days | Subject)
npar AIC BIC logLik -2*log(L) Chisq Df Pr(>Chisq)
fit_ri2 4 1794.5 1807.2 -893.23 1786.5
fit_rs 6 1755.6 1774.8 -871.81 1743.6 42.837 2 4.99e-10 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
警告
「分散 = 0」は取りうる値の端っこ → p 値は保守的(大きめ)になる
df AIC
fit_ri2 4 1794.465
fit_nocor 5 1753.669
fit_rs 6 1755.628
boundary (singular) fit分散が 0 / 相関が ±1 と推定された
(x | g) → (x || g) → (1 | g) と簡略化Model failed to converge最適化が収束しない
lmerControl(optimizer = "bobyqa")allFit() で複数手法を比較睡眠制限1日あたり反応時間は平均 10.5 ms 増加した(95% CI [7.4, 13.5], t(17.0) = 6.77, p < .001)。傾きの個人差の SD は 5.9 ms/日 であった。
lmer(y ~ x + (1 | g)):ランダム切片lmer(y ~ x + (x | g)):ランダム傾きanova() / AIC、診断は残差プロットOrthodont データで6問)glmer(..., family = binomial)brms パッケージ