R help es - Feb 2013 - duda con lmer. Añadir predictor a nivel de grupos

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

Según  la documentación del apéndice C del libro de A. Gelman: "Data 
Analysis Using Regression and Multilevel/Hierarchical Models", en google 
book las pagina 568-569, donde se documenta estas cuestiones están de 
momento visibles:

http://books.google.es/books?id=c9xLKzZWoZ4C&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false


Creo que en tu modelo solo se esta  incluyendo el efecto aleatio de la 
comarca en el intercepto, no en la pendiente. La manera de plantearlo 
con lmer, previa inclusión de la variable del nivel comarcar "sau_com"
en el nivel individual (desnormalizada) seria este:

 > mod.ingr <- lmer(ingre_6 ~ iscs_a + sau_com + (1 | cod_com) , 
data=datos.agr)

En principio creo que debería de dar los mismos resultados que la 
especificación que tu propones:

 > mod.ingr.2 <- lmer(ingre_6 ~ iscs_a + sau_com + (sau_com | cod_com) , 
data=datos.agr)


El 04/02/2013 18:13, Jose Luis Cañadas escribió:
> 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 en 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 en juntadeandalucia.es
+--------------------------------------------------------------

Hola.

Yo no estoy seguro que sean las mismas cosas. Para las dudas, creo que lo
mejor es escribir con claridad cuál es el modelo que quieres especificar.

Creo que el modelo que quieres estudiar es el siguiente (por favor
corregidme):

ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i

donde beta_1 sería el efecto fijo y b_1i, b_2i serían los efectos
aleatorios para la j-ésima observación de la comarca i, i=1,...,44 y
j=1,...,k (desconozco este valor k). b_2i es una pendiente y b_1i son
interceptos (uno por cada comarca).

De ser este el caso, tienes que usar la forma (variable|agrupador) para
cada efecto aleatorio que necesites estimar dentro de la función lmer();
utilizando (1|agrupador) cuando se trate del intercepto.

En todo caso, si no tienes interés en el intercepto aleatorio, solo lo
omites de la fórmula y obtendrás *otro* modelo:

ingre6_ij=beta_1*scsa_ij+b_1i*sav_com_i


Los modelos

ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i

y

ingre6_ij=beta_1*scsa_ij+beta_2*sau_com_i+b_2i*sav_com_i+b_1i

no son iguales y no producen los mismos resultados, que también es una de
tus dudas. Esto puede ser debido a patologías propias de tus datos, pero
esto es especular. Habría que estudiarlo en detalle. Probar, por ejemplo,
con otros métodos de estimación.

Ojalá te sea útil.

Saludos.



2013/2/4 Francisco Viciana <franciscoj.viciana@juntadeandalucia.es>
> Según  la documentación del apéndice C del libro de A. Gelman: "Data
> Analysis Using Regression and Multilevel/Hierarchical Models", en
google
> book las pagina 568-569, donde se documenta estas cuestiones están de
> momento visibles:
>
> http://books.google.es/books?**id=c9xLKzZWoZ4C&printsec=**
>
frontcover&hl=es&source=gbs_**ge_summary_r&cad=0#v=onepage&**q&f=false<http://books.google.es/books?id=c9xLKzZWoZ4C&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false>
>
> Creo que en tu modelo solo se esta  incluyendo el efecto aleatio de la
> comarca en el intercepto, no en la pendiente. La manera de plantearlo con
> lmer, previa inclusión de la variable del nivel comarcar
"sau_com" en el
> nivel individual (desnormalizada) seria este:
>
> > mod.ingr <- lmer(ingre_6 ~ iscs_a + sau_com + (1 | cod_com) ,
> data=datos.agr)
>
> En principio creo que debería de dar los mismos resultados que la
> especificación que tu propones:
>
>
> > mod.ingr.2 <- lmer(ingre_6 ~ iscs_a + sau_com + (sau_com | cod_com)
,
> data=datos.agr)
>
>
> El 04/02/2013 18:13, Jose Luis Cañadas escribió:
>
>  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<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<franciscoj.viciana@juntadeandalucia.es>
> +-----------------------------**------------------------------**---
>
>
> ______________________________**_________________
> R-help-es mailing list
> R-help-es@r-project.org
>
https://stat.ethz.ch/mailman/**listinfo/r-help-es<https://stat.ethz.ch/mailman/listinfo/r-help-es>
>


-- 
«But Gwindor answered: ''The doom lies in yourself, not in your
name.''»

JRR Tolkien

	[[alternative HTML version deleted]]

Gracias Fran y Freddy.
Por lo que leo en el libro, para incluir un predictor  de grupo hay que 
incluirlo en la parte de efectos fijos y si luego queremos ver como 
varía, añadirlo en la parte aleatoria.

De esta forma, la función coef si funciona correctamente. Lo curioso , y 
que no acabo de entender es que el anterior modelo también se ajustaba y 
aunque no funcionaba la función coef , si que se podían obtener los 
valores ajustados.. Creo que ese modelo era al que se refiere Freddy como

ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i

Que efectivamente toma efecto aleatorio de la comarca en el intercepto, pero
este a su vez vendría modelado por la variable sau_com de comarca.

Saludos.

El 04/02/13 19:07, Francisco Viciana escribió:
> Según  la documentación del apéndice C del libro de A. Gelman: "Data 
> Analysis Using Regression and Multilevel/Hierarchical Models", en 
> google book las pagina 568-569, donde se documenta estas cuestiones 
> están de momento visibles:
>
>
http://books.google.es/books?id=c9xLKzZWoZ4C&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
>
>
> Creo que en tu modelo solo se esta  incluyendo el efecto aleatio de la 
> comarca en el intercepto, no en la pendiente. La manera de plantearlo 
> con lmer, previa inclusión de la variable del nivel comarcar
"sau_com"
> en el nivel individual (desnormalizada) seria este:
>
> > mod.ingr <- lmer(ingre_6 ~ iscs_a + sau_com + (1 | cod_com) , 
> data=datos.agr)
>
> En principio creo que debería de dar los mismos resultados que la 
> especificación que tu propones:
>
> > mod.ingr.2 <- lmer(ingre_6 ~ iscs_a + sau_com + (sau_com | cod_com)
> , data=datos.agr)
>
>
> El 04/02/2013 18:13, Jose Luis Cañadas escribió:
>> 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 en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>

Jose
Si queres considerar un modelo con perturbaciones aleatorias en ordenada y
pendientes  el modelo correcto sería
Creo que el modelo correcto es el siguiente:


lmer(ingre_6~1+iscs_a+sau_com+(1+sup+IS|cod_com), data=datos.arg)

	[[alternative HTML version deleted]]

Pero si solo se está interesado en un modelo con intercepto aleatorio, la
especificación del modelo, pero en dos niveles seria:

1.) ingre6_ij=beta_0i+ beta_1*scsa_ij + error_1
2.) beta_0i = gamma_0 +  gamma_1*sav_com_i + error_2

¿Como se especifica este modelo con lmer?

> Jose
> Si queres considerar un modelo con perturbaciones aleatorias en ordenada y
> pendientes  el modelo correcto sería
> Creo que el modelo correcto es el siguiente:
>
>
> lmer(ingre_6~1+iscs_a+sau_com+(1+sup+IS|cod_com), data=datos.arg)
>
> 	[[alternative HTML version deleted]]
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>

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 en 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 en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es

En la formalización del modelo que propones:

ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i


Creo que no es posible  incluir  el efecto aleatorio "b_2i" asociado
la
variable "sau_com_i" (superficie agraria util en cada comarca) porque 
esta no varia dentro de cada comarca, luego solo se puede modelar como 
efecto fijo. En todo caso b_1, la pendiente asociada al indicador 
sinteticos: "iscs_a"  (que asumo que esta diponisble a nivel
individual
"ij" si no el modelo no tendría mucha utilidad), podría especificarse 
que incluyera un efecto que variara por comarcas: b_1i, el cual podría 
modelarse o dependiente de la variable superficie agrícola útil  (sau) a 
nivel comarcal

Realmente no estoy seguro si las dos especificaciones que comente en mi 
mensaje anterior producirían los mismo resultados en este problema 
concreto. A lo mejor José podría comprobarlo.



El 04/02/2013 19:39, Freddy López escribió:
> Hola.
>
> Yo no estoy seguro que sean las mismas cosas. Para las dudas, creo que 
> lo mejor es escribir con claridad cuál es el modelo que quieres 
> especificar.
>
> Creo que el modelo que quieres estudiar es el siguiente (por favor 
> corregidme):
>
> ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i
>
> donde beta_1 sería el efecto fijo y b_1i, b_2i serían los efectos 
> aleatorios para la j-ésima observación de la comarca i, i=1,...,44 y 
> j=1,...,k (desconozco este valor k). b_2i es una pendiente y b_1i son 
> interceptos (uno por cada comarca).
>
> De ser este el caso, tienes que usar la forma (variable|agrupador) 
> para cada efecto aleatorio que necesites estimar dentro de la función 
> lmer(); utilizando (1|agrupador) cuando se trate del intercepto.
>
> En todo caso, si no tienes interés en el intercepto aleatorio, solo lo 
> omites de la fórmula y obtendrás /otro/ modelo:
>
> ingre6_ij=beta_1*scsa_ij+b_1i*sav_com_i
>
>
> Los modelos
>
> ingre6_ij=beta_1*scsa_ij+b_2i*sav_com_i+b_1i
>
> y
>
> ingre6_ij=beta_1*scsa_ij+beta_2*sau_com_i+b_2i*sav_com_i+b_1i
>
> no son iguales y no producen los mismos resultados, que también es una 
> de tus dudas. Esto puede ser debido a patologías propias de tus datos, 
> pero esto es especular. Habría que estudiarlo en detalle. Probar, por 
> ejemplo, con otros métodos de estimación.
>
> Ojalá te sea útil.
>
> Saludos.
>
>
>
> 2013/2/4 Francisco Viciana <franciscoj.viciana@juntadeandalucia.es 
> <mailto:franciscoj.viciana@juntadeandalucia.es>>
>
>     Según  la documentación del apéndice C del libro de A. Gelman:
>     "Data Analysis Using Regression and Multilevel/Hierarchical
>     Models", en google book las pagina 568-569, donde se documenta
>     estas cuestiones están de momento visibles:
>
>    
http://books.google.es/books?id=c9xLKzZWoZ4C&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
>
>
>     Creo que en tu modelo solo se esta  incluyendo el efecto aleatio
>     de la comarca en el intercepto, no en la pendiente. La manera de
>     plantearlo con lmer, previa inclusión de la variable del nivel
>     comarcar "sau_com" en el nivel individual (desnormalizada)
seria este:
>
>     > mod.ingr <- lmer(ingre_6 ~ iscs_a + sau_com + (1 | cod_com) ,
>     data=datos.agr)
>
>     En principio creo que debería de dar los mismos resultados que la
>     especificación que tu propones:
>
>
>     > mod.ingr.2 <- lmer(ingre_6 ~ iscs_a + sau_com + (sau_com |
>     cod_com) , data=datos.agr)
>
>
>     El 04/02/2013 18:13, Jose Luis Cañadas escribió:
>
>         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 <mailto: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
>     <mailto:franciscoj.viciana@juntadeandalucia.es>
>     +--------------------------------------------------------------
>
>
>     _______________________________________________
>     R-help-es mailing list
>     R-help-es@r-project.org <mailto:R-help-es@r-project.org>
>     https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
>
>
> -- 
> «But Gwindor answered: ''The doom lies in yourself, not in your
name.''»
>
> JRR Tolkien

-


	[[alternative HTML version deleted]]

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 en 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 en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
> _______________________________________________
> R-help-es mailing list
> R-help-es en 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 en juntadeandalucia.es
+--------------------------------------------------------------

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 <
franciscoj.viciana@juntadeandalucia.es> 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/ /''_    -------
--   (*) \(*)
~~~~~~~~~

	[[alternative HTML version deleted]]

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 <tel:8.0332%20%C2%A02.8343>
>           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
<tel:1.262446%20%C2%A0%204.227>
> 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 
> <franciscoj.viciana@juntadeandalucia.es 
> <mailto:franciscoj.viciana@juntadeandalucia.es>> 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 <mailto:onunez@unex.es>
> >> http://kolmogorov.unex.es/~onunez
<http://kolmogorov.unex.es/%7Eonunez>
> >> Tel : +34 663 03 69 09 <tel:%2B34%20663%2003%2069%2009>
> >> 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 <mailto: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 <mailto: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 
> <mailto:franciscoj.viciana@juntadeandalucia.es>
> > +--------------------------------------------------------------
> >
> >
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es@r-project.org <mailto: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]]