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" <[email protected]> > Para: [email protected] > 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 > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es > > _______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
