全体的な切片なしでlme4の多変量混合モデルの係数を解釈する方法は？

多変量（つまり、複数の応答）の混合モデルをで近似しようとしていRます。ASReml-rおよびSabreRパッケージ（外部ソフトウェアが必要）を除いて、これはでのみ可能であるようMCMCglmmです。パッケージに付属する論文MCMCglmm（pp.6）で、Jarrod Hadfieldは、そのようなモデルを複数の応答変数を1つの長い形式の変数に再形成し、全体的なインターセプトを抑制するようにフィッティングするプロセスについて説明しています。私の理解では、切片を抑制すると、応答変数の各レベルの係数の解釈がそのレベルの平均になるように変更されます。したがって、上記を前提として、多変量混合モデルを当てはめることは可能lme4ですか？例えば：

data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
    data = mtcars)
summary(m1)
#  Linear mixed model fit by REML 
#  Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)) 
#     Data: mtcars 
#   AIC   BIC logLik deviance REMLdev
#   913 933.5 -448.5    920.2     897
#  Random effects:
#   Groups       Name        Variance Std.Dev.
#   factor(carb) (Intercept) 509.89   22.581  
#   Residual                 796.21   28.217  
#  Number of obs: 96, groups: factor(carb), 6
#  
#  Fixed effects:
#                    Estimate Std. Error t value
#  variabledrat:gear  -7.6411     4.4054  -1.734
#  variablempg:gear   -1.2401     4.4054  -0.281
#  variablehp:gear     0.7485     4.4054   0.170
#  variabledrat:carb   5.9783     4.7333   1.263
#  variablempg:carb    3.3779     4.7333   0.714
#  variablehp:carb    43.6594     4.7333   9.224

このモデルの係数はどのように解釈されますか？この方法は、一般化線形混合モデルでも機能しますか？

あなたのアイデアは良いですが、あなたの例では、特性ごとに異なる切片と異なるランダムな分散をモデル化するのを忘れているため、出力はそのままでは解釈できません。正しいモデルは次のとおりです。

m1 <- lmer(value ~ -1 + variable + variable:gear + variable:carb + (0 + variable | factor(carb))

その場合、各変数に対する固定効果の推定（たとえば、応答に対するvariabledrat:gear予測子の効果）を取得しますが、各変数の切片（たとえば、応答の切片）およびランダムな値も取得します。各変数の分散と変数間の相関：geardratvariabledratdrat

Groups       Name         Std.Dev. Corr     
 factor(carb) variabledrat 23.80             
              variablempg  24.27    0.20     
              variablehp   23.80    0.00 0.00
 Residual                  23.80       

これらのメソッドのより詳細な説明は、Ben Bolker、およびMCMCglmmベイジアンフレームワークでの使用によって記述されています。別の新しいパッケージは、mcglm非正規応答でも多変量モデルを処理できますが、ランダムな設計行列をコーディングする必要があります。チュートリアルがすぐに利用可能になるはずです（Rヘルプページを参照）。