Estou fazendo um estudo de simulação que requer estimativas de bootstrapping obtidas de um modelo misto linear generalizado (na verdade, o produto de duas estimativas para efeitos fixos, um de um GLMM e outro de um LMM). Para fazer o estudo, seria necessário cerca de 1000 simulações com 1000 ou 1500 replicações de autoinicialização por vez. Isso leva uma quantidade significativa de tempo no meu computador (muitos dias).
How can I speed up the computation of these fixed effects?
Para ser mais específico, tenho sujeitos que são medidos repetidamente de três maneiras, dando origem às variáveis X, M e Y, onde X e M são contínuos e Y é binário. Temos duas equações de regressão que Y é a variável contínua latente subjacente para e os erros não são iid. A estatística que queremos inicializar é . Assim, cada replicação de autoinicialização requer o ajuste de um LMM e um GLMM. Meu código R é (usando lme4)Y * = β 0 + β 1 X + β 2 M + ε 2 * Y α 1 β 2
stat=function(dat){
a=fixef(lmer(M~X+(X|person),data=dat))["X"]
b=fixef(glmer(Y~X+M+(X+M|person),data=dat,family="binomial"))["M"]
return(a*b)
}
Percebo que obtenho a mesma estimativa para se apenas o ajustar como modelo linear, economizando tempo, mas o mesmo truque não funciona para .β 2
Eu só preciso comprar um computador mais rápido? :)
Rprof
.