regression - Julia混合效应模型中随机斜率的相互作用

LMM中是否有可能使LMM中的随机效应相互作用？

这给出了一个错误

model = fit!(lmm(@formula(response ~ 1 + A*B + (1+A*B|sub)), data)
ERROR: MethodError: no method matching getindex(::DataFrames.DataFrame, ::Expr)

解开条款也无济于事。

model = fit!(lmm(@formula(response ~ 1 + A*B + (1+A+B+A&B|sub)), data)

这有效

mode2 = fit!(lmm(@formula(response ~ 1 + A*B + (1+A+B|sub)), data)

请注意，进行固定效果交互时没有问题。

最佳答案

也许这应该是github上的MixedModels.jl或DataFrames.jl中的问题。但是，无论如何，我都找到了一个问题所在：eterms的@formula计算。因此，为了使其正常工作，我已经重新定义了计算。将以下内容粘贴到REPL中，然后尝试出现问题的fit!：

function DataFrames.evt(ex::Expr)
    if ex.head != :call error("Non-call expression encountered") end
    if !(ex.args[1] in DataFrames.nonevaluation)
        trms = DataFrames.getterms(ex)
        if length(trms)>1
            return vcat(map(DataFrames.evt,trms)...)
        else
            return [trms]
        end
    end
    return filter(x->!isa(x,Number), vcat(map(DataFrames.evt, ex.args[2:end])...))
end

现在，这留下了另一个问题，那就是可以修复的Cholesky分解函数（我的Julia是v0.7）的变化是可以修复的，但是如果其他所有功能都起作用，则上述重新定义可以继续解决第一个问题。

这是指向MixedModels和DataFrames github页面的链接：


https://github.com/JuliaStats/DataFrames.jl
https://github.com/dmbates/MixedModels.jl

关于regression - Julia混合效应模型中随机斜率的相互作用，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45869303/