R lme4またはnlmeパッケージを使用した変量効果の推定とユーザー定義の相関/共分散構造の適用

以下の種類のデータがあります。私はそれぞれ10回繰り返された10人の個人を評価しました。私は10x10の関係マトリックス（個人のすべての組み合わせ間の関係）を持っています。

set.seed(1234)
mydata <- data.frame (gen = factor(rep(1:10, each = 10)),
                      repl = factor(rep(1:10, 10)),
                      yld = rnorm(10, 5, 0.5))

この世代はさまざまな種類の植物であるため、それぞれを繰り返し栽培して、収量を測定できます。共分散行列は、個別の実験でibd確率によって計算された遺伝的類似性による関連性の尺度です。

library(lme4)
covmat <- round(nearPD(matrix(runif(100, 0, 0.2), nrow = 10))$mat, 2)
diag(covmat) <- diag(covmat)/10+1
rownames(covmat) <- colnames(covmat) <- levels(mydata$gen)

> covmat                   
10 x 10 Matrix of class "dgeMatrix"                    
      1    2    3    4    5    6    7    8    9   10
1  1.00 0.08 0.06 0.03 0.09 0.09 0.10 0.08 0.07 0.10
2  0.08 1.00 0.08 0.09 0.04 0.12 0.08 0.08 0.11 0.09
3  0.06 0.08 1.00 0.10 0.05 0.09 0.09 0.07 0.04 0.13
4  0.03 0.09 0.10 1.00 0.02 0.11 0.09 0.06 0.04 0.12
5  0.09 0.04 0.05 0.02 1.00 0.06 0.07 0.05 0.02 0.08
6  0.09 0.12 0.09 0.11 0.06 1.00 0.12 0.08 0.07 0.14
7  0.10 0.08 0.09 0.09 0.07 0.12 1.00 0.08 0.03 0.15
8  0.08 0.08 0.07 0.06 0.05 0.08 0.08 1.00 0.06 0.09
9  0.07 0.11 0.04 0.04 0.02 0.07 0.03 0.06 1.00 0.03
10 0.10 0.09 0.13 0.12 0.08 0.14 0.15 0.09 0.03 1.00

私のモデルは：

yld = gen + repl + error 

genとreplの両方がランダムと見なされ、各genに関連付けられた変量効果の見積もりを取得したいのですが、関係行列を考慮する必要があります。

ネストされたモデルに適合させるには複雑すぎる場合は、モデルからreplを削除するだけですが、理想的には保持します。

yld = gen +  error 

おそらくnlmeまたはlme4で、Rパッケージを使用してこれをどのように実現できますか？ASREMLがそれを実行できることは知っていますが、私にはホールドがありません。私はRが堅牢であり、フリーであることを愛しています。

にkinship基づくパッケージを試してくださいnlme。詳細については、r-sig-mixed-modelsのこのスレッドを参照してください。ロジスティックモデルでやろうとしていたので、このことを忘れていました。効果的な例については、https：//stackoverflow.com/questions/8245132を参照してください。

通常以外の応答の場合は、lme4に基づくpedigreemmパッケージを変更する必要があります。近づきますが、関係行列は家系図から作成する必要があります。以下の関数は、pedigreemm代わりに任意の関係行列を取る関数の変更です。

library(pedigreemm)
relmatmm <- function (formula, data, family = NULL, REML = TRUE, relmat = list(), 
    control = list(), start = NULL, verbose = FALSE, subset, 
    weights, na.action, offset, contrasts = NULL, model = TRUE, 
    x = TRUE, ...) 
{
    mc <- match.call()
    lmerc <- mc
    lmerc[[1]] <- as.name("lmer")
    lmerc$relmat <- NULL
    if (!length(relmat)) 
        return(eval.parent(lmerc))
    stopifnot(is.list(relmat), length(names(relmat)) == length(relmat))
    lmerc$doFit <- FALSE
    lmf <- eval(lmerc, parent.frame())
    relfac <- relmat
    relnms <- names(relmat)
    stopifnot(all(relnms %in% names(lmf$FL$fl)))
    asgn <- attr(lmf$FL$fl, "assign")
    for (i in seq_along(relmat)) {
        tn <- which(match(relnms[i], names(lmf$FL$fl)) == asgn)
        if (length(tn) > 1) 
            stop("a relationship matrix must be associated with only one random effects term")
        Zt <- lmf$FL$trms[[tn]]$Zt
        relmat[[i]] <- Matrix(relmat[[i]][rownames(Zt), rownames(Zt)], 
            sparse = TRUE)
        relfac[[i]] <- chol(relmat[[i]])
        lmf$FL$trms[[tn]]$Zt <- lmf$FL$trms[[tn]]$A <- relfac[[i]] %*% Zt
    }
    ans <- do.call(if (!is.null(lmf$glmFit)) 
        lme4:::glmer_finalize
    else lme4:::lmer_finalize, lmf)
    ans <- new("pedigreemm", relfac = relfac, ans)
    ans@call <- match.call()
    ans
}

使用法は、血統の代わりにpedigreemm関係行列をrelmat引数として与えることを除いて、似ていpedigreeます。

m <- relmatmm(yld ~ (1|gen) + (1|repl), relmat=list(gen=covmat), data=mydata)

これは、10個の観測値/個体があるため、ここでは当てはまりませんが、1つの観測値/個体の場合、この関数にさらに1行と、lme4ランダムな効果ごとに1つの観測のみを許可するマイナーパッチが必要です。

この答えは、血統を使用することを提案したアーロンの提案を拡張する可能性があります。家系図は次の構文に従ってプロジェクトから関係を計算できますが、このような関係出力をさまざまな方法でどのように使用できるかはわかりません。

# just example from the manual to create pedigree structure and relation matrix 
  # (although you have already the matrix in place) 
p1 <- new("pedigree",
sire = as.integer(c(NA,NA,1, 1,4,5)),
dam = as.integer(c(NA,NA,2,NA,3,2)),
label = as.character(1:6))
p1
(dtc <- as(p1, "sparseMatrix")) # T-inverse in Mrode’s notation
solve(dtc)
inbreeding(p1) 

パッケージの混合モデルフィットはlme4に基づいています。これは、main関数の構文がlme4パッケージ関数のlmer関数に似ていることです。ただし、血統オブジェクトを配置できます。

pedigreemm(formula, data, family = NULL, REML = TRUE, pedigree = list(),
 control = list(),
start = NULL, verbose = FALSE, subset, weights, na.action, 
  offset, contrasts = NULL, model = TRUE, x = TRUE, ...)

これはあなたの質問への完全な答えではないことを知っていますが、これは少し役立つかもしれません。あなたがこの質問をしてくれてうれしいです、私にとって興味深いです！

lmer()lme4パッケージ許可はランダム効果を渡りました。ここでは、次のようなものを使用します

y ~ (1|gen) + (1|repl)

詳細については、

http://www.stat.wisc.edu/~bates/PotsdamGLMM/LMMD.pdf