lmer(y ~ (1 | id1) + (1 | id2) + x, data = df, ...)いや, まてよケンカ解析の場合は「random effects の差」が必要なわけだよな, とこれも試してみると,
lmer(y ~ (1 | id1) - (1 | id2) + x, data = df, ...)私が作った簡単な乱数データ例ではかなり正しく計算しているように見える. ふーむ, すごい. (後記: これはたぶんまずいやりかた. こういうふうに単純に
id1
と id2
としてしまうと,
ケンカに勝つときと負けるときで「個体差」 random effects がちがってくる,
といった奇妙なことになってしまいそう).
lmer()
で対戦者それぞれの「個体差」考慮した推定計算できるかもということだ.
しかも method = "Laplace"
で尤度近似計算がうまくいってる,
とみなすなら AIC によるモデル選択
(あるいは尤度比検定など)
もできる.
zicounts()
でやってみたら何やら推定計算がうまくいかなかった
(推定値が NA
とかになってしまった)
らしい.
"log"
の場合なんかは悲惨なものになる.
BA
を sqrt(BA)
とすればよい.
パラメーター推定の収束計算,
これで何の問題もなくできるようになる
……
といった内容のメイルを,
遅れのおわびとともに吉田さんにおくる.