SCM

SCM Repository

[matrix] Diff of /pkg/R/lmer.R
ViewVC logotype

Diff of /pkg/R/lmer.R

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 901, Tue Sep 6 01:26:11 2005 UTC revision 1165, Sat Jan 14 23:41:55 2006 UTC
# Line 2  Line 2 
2    
3  ## Some utilities  ## Some utilities
4    
 ## Return the index into the packed lower triangle  
 Lind <- function(i,j) {  
     if (i < j) stop(paste("Index i=", i,"must be >= index j=", j))  
     ((i - 1) * i)/2 + j  
 }  
   
5  ## Return the pairs of expressions separated by vertical bars  ## Return the pairs of expressions separated by vertical bars
6  findbars <- function(term)  findbars <- function(term)
7  {  {
# Line 23  Line 17 
17  ## that are separated by vertical bars  ## that are separated by vertical bars
18  nobars <- function(term)  nobars <- function(term)
19  {  {
20      # FIXME: is the is.name in the condition redundant?      if (!('|' %in% all.names(term))) return(term)
     #   A name won't satisfy the first condition.  
     if (!('|' %in% all.names(term)) || is.name(term)) return(term)  
21      if (is.call(term) && term[[1]] == as.name('|')) return(NULL)      if (is.call(term) && term[[1]] == as.name('|')) return(NULL)
22      if (length(term) == 2) {      if (length(term) == 2) {
23          nb <- nobars(term[[2]])          nb <- nobars(term[[2]])
# Line 58  Line 50 
50      term      term
51  }  }
52    
53    ## Expand an expression with colons to the sum of the lhs
54    ## and the current expression
55    colExpand <- function(term)
56    {
57        if (is.name(term) || is.numeric(term)) return(term)
58        if (length(term) == 2) {
59            term[[2]] <- colExpand(term[[2]])
60            return(term)
61        }
62        stopifnot(length(term) == 3)
63        if (is.call(term) && term[[1]] == as.name(':')) {
64            return(substitute(A+B, list(A = term, B = colExpand(term[[2]]))))
65        }
66        term[[2]] <- colExpand(term[[2]])
67        term[[3]] <- colExpand(term[[3]])
68        term
69    }
70    
71  abbrvNms <- function(gnm, cnms)  abbrvNms <- function(gnm, cnms)
72  {  {
73      ans <- paste(abbreviate(gnm), abbreviate(cnms), sep = '.')      ans <- paste(abbreviate(gnm), abbreviate(cnms), sep = '.')
# Line 97  Line 107 
107           analyticHessian = as.logical(analyticHessian))           analyticHessian = as.logical(analyticHessian))
108  }  }
109    
110    setMethod("coef", signature(object = "lmer"),
111              function(object, ...)
112          {
113              fef <- data.frame(rbind(object@fixed), check.names = FALSE)
114              ref <- as(ranef(object), "list")
115              names(ref) <- names(object@flist)
116              val <- lapply(ref, function(x) fef[rep(1, nrow(x)),])
117              for (i in seq(a = val)) {
118                  refi <- ref[[i]]
119                  row.names(val[[i]]) <- row.names(refi)
120                  if (!all(names(refi) %in% names(fef)))
121                      stop("unable to align random and fixed effects")
122                  val[[i]][ , names(refi)] <- val[[i]][ , names(refi)] + refi
123              }
124              new("lmer.coef", val)
125          })
126    
127    ## setMethod("plot", signature(x = "lmer.coef"),
128    ##           function(x, y, ...)
129    ##       {
130    ##           varying <- unique(do.call("c",
131    ##                                     lapply(x, function(el)
132    ##                                            names(el)[sapply(el,
133    ##                                                             function(col)
134    ##                                                             any(col != col[1]))])))
135    ##           gf <- do.call("rbind", lapply(x, "[", j = varying))
136    ##           gf$.grp <- factor(rep(names(x), sapply(x, nrow)))
137    ##           switch(min(length(varying), 3),
138    ##                  qqmath(eval(substitute(~ x | .grp,
139    ##                                         list(x = as.name(varying[1])))), gf, ...),
140    ##                  xyplot(eval(substitute(y ~ x | .grp,
141    ##                                         list(y = as.name(varying[1]),
142    ##                                              x = as.name(varying[2])))), gf, ...),
143    ##                  splom(~ gf | .grp, ...))
144    ##       })
145    
146    ## setMethod("plot", signature(x = "lmer.ranef"),
147    ##           function(x, y, ...)
148    ##       {
149    ##           lapply(x, function(x) {
150    ##               cn <- lapply(colnames(x), as.name)
151    ##               switch(min(ncol(x), 3),
152    ##                      qqmath(eval(substitute(~ x, list(x = cn[[1]]))), x, ...),
153    ##                      xyplot(eval(substitute(y ~ x,
154    ##                                             list(y = cn[[1]],
155    ##                                                  x = cn[[2]]))), x, ...),
156    ##                      splom(~ x, ...))
157    ##           })
158    ##       })
159    
160    setMethod("with", signature(data = "lmer"),
161              function(data, expr, ...) {
162                  dat <- eval(data@call$data)
163                  if (!is.null(na.act <- attr(data@frame, "na.action")))
164                      dat <- dat[-na.act, ]
165                  lst <- c(list(. = data), data@flist, data@frame, dat)
166                  eval(substitute(expr), lst[unique(names(lst))])
167              })
168    
169    setMethod("terms", signature(x = "lmer"),
170              function(x, ...) x@terms)
171    
172    rWishart <- function(n, df, invScal)
173        .Call("Matrix_rWishart", n, df, invScal, PACKAGE = "Matrix")
174    
175    
176  setMethod("lmer", signature(formula = "formula"),  setMethod("lmer", signature(formula = "formula"),
177            function(formula, data, family,            function(formula, data, family,
178                     method = c("REML", "ML", "PQL", "Laplace", "AGQ"),                     method = c("REML", "ML", "PQL", "Laplace", "AGQ"),
179                     control = list(), start,                     control = list(), start,
180                     subset, weights, na.action, offset,                     subset, weights, na.action, offset,
181                     model = TRUE, x = FALSE, y = FALSE , ...)                     model = TRUE, x = FALSE, y = FALSE , ...)
           ## x, y : not dealt with at all -- FIXME ? .NotYetImplemented(  
182        {        {
183            ## match and check parameters            ## match and check parameters
184            if (length(formula) < 3) stop("formula must be a two-sided formula")            if (length(formula) < 3) stop("formula must be a two-sided formula")
185            cv <- do.call("lmerControl", control)            cv <- do.call("lmerControl", control)
186            ## evaluate glm.fit, a generalized linear fit of fixed effects only  
187              ## Must evaluate the model frame first and then fit the glm using
188              ## that frame.  Otherwise missing values in the grouping factors
189              ## cause inconsistent numbers of observations.
190            mf <- match.call()            mf <- match.call()
191            m <- match(c("family", "data", "subset", "weights",            m <- match(c("family", "data", "subset", "weights",
192                         "na.action", "offset"), names(mf), 0)                         "na.action", "offset"), names(mf), 0)
193            mf <- mf[c(1, m)]            mf <- fe <- mf[c(1, m)]
194            frame.form <- subbars(formula) # substitute `+' for `|'            frame.form <- subbars(formula) # substitute `+' for `|'
195            fixed.form <- nobars(formula)  # remove any terms with `|'            fixed.form <- nobars(formula)  # remove any terms with `|'
196            if (inherits(fixed.form, "name")) # RHS is empty - use a constant            if (inherits(fixed.form, "name")) # RHS is empty - use a constant
197                fixed.form <- substitute(foo ~ 1, list(foo = fixed.form))                fixed.form <- substitute(foo ~ 1, list(foo = fixed.form))
198            environment(fixed.form) <- environment(frame.form) <- environment(formula)            environment(fixed.form) <- environment(frame.form) <- environment(formula)
199            mf$formula <- fixed.form  
200            mf$x <- mf$model <- mf$y <- TRUE            ## evaluate a model frame for fixed and random effects
201            mf[[1]] <- as.name("glm")            mf$formula <- frame.form
202            glm.fit <- eval(mf, parent.frame())            mf$family <- NULL
203              mf$drop.unused.levels <- TRUE
204              mf[[1]] <- as.name("model.frame")
205              frm <- eval(mf, parent.frame())
206    
207              ## fit a glm model to the fixed formula
208              fe$formula <- fixed.form
209              fe$subset <- NULL             # subset has already been created in call to data.frame
210              fe$data <- frm
211              fe$x <- fe$model <- fe$y <- TRUE
212              fe[[1]] <- as.name("glm")
213              glm.fit <- eval(fe, parent.frame())
214            x <- glm.fit$x            x <- glm.fit$x
215            y <- as.double(glm.fit$y)            y <- as.double(glm.fit$y)
           lmm <- missing(family) # => linear mixed model  
216            family <- glm.fit$family            family <- glm.fit$family
217    
218              ## check for a linear mixed model
219              lmm <- family$family == "gaussian" && family$link == "identity"
220            if (lmm) { # linear mixed model            if (lmm) { # linear mixed model
221                method <- match.arg(method)                method <- match.arg(method)
222                if (method %in% c("PQL", "Laplace", "AGQ")) {                if (method %in% c("PQL", "Laplace", "AGQ")) {
# Line 139  Line 229 
229                if (missing(method)) method <- "PQL"                if (missing(method)) method <- "PQL"
230                else {                else {
231                    method <- match.arg(method)                    method <- match.arg(method)
   
                   ## <FIXME>: only  
                   ## if( !(family == "gaussian" && link == "identity") ) {  
232                    if (method == "ML") method <- "PQL"                    if (method == "ML") method <- "PQL"
233                    if (method == "REML")                    if (method == "REML")
234                        warning('Argument method = "REML" is not meaningful ',                        warning('Argument method = "REML" is not meaningful ',
235                                'for a generalized linear mixed model.',                                'for a generalized linear mixed model.',
236                                '\nUsing method = "PQL".\n')                                '\nUsing method = "PQL".\n')
                   ## } </FIXME>  
237                }                }
238            }            }
239              ## create factor list for the random effects
           ## evaluate a model frame for fixed and random effects  
           mf$formula <- frame.form  
           mf$x <- mf$model <- mf$y <- mf$family <- NULL  
           mf$drop.unused.levels <- TRUE  
           mf[[1]] <- as.name("model.frame")  
           frm <- eval(mf, parent.frame())  
   
           ## grouping factors and model matrices for random effects  
240            bars <- findbars(formula[[3]])            bars <- findbars(formula[[3]])
241            random <-            names(bars) <- unlist(lapply(bars, function(x) deparse(x[[3]])))
242                lapply(bars, function(x)            fl <- lapply(bars,
243                       list(model.matrix(eval(substitute(~ T, list(T = x[[2]]))),                         function(x)
                                        frm),  
244                            eval(substitute(as.factor(fac)[,drop = TRUE],                            eval(substitute(as.factor(fac)[,drop = TRUE],
245                                            list(fac = x[[3]])), frm)))                                         list(fac = x[[3]])), frm))
           names(random) <- unlist(lapply(bars, function(x) deparse(x[[3]])))  
   
246            ## order factor list by decreasing number of levels            ## order factor list by decreasing number of levels
247            nlev <- sapply(random, function(x) length(levels(x[[2]])))            nlev <- sapply(fl, function(x) length(levels(x)))
248            if (any(diff(nlev) > 0)) {            if (any(diff(nlev) > 0)) {
249                random <- random[rev(order(nlev))]                ord <- rev(order(nlev))
250            }                bars <- bars[ord]
251                  fl <- fl[ord]
252            ## Create the model matrices and a mixed-effects representation (mer)            }
253            mmats <- c(lapply(random, "[[", 1),            ## create list of transposed model matrices for random effects
254                       .fixed = list(cbind(glm.fit$x, .response = glm.fit$y)))            Ztl <- lapply(bars, function(x)
255            mer <- .Call("lmer_create", lapply(random, "[[", 2),                          t(model.matrix(eval(substitute(~ expr,
256                         mmats, method, PACKAGE = "Matrix")                                                         list(expr = x[[2]]))),
257            if (lmm) {                    ## linear mixed model                                         frm)))
258                if (missing(start)) .Call("lmer_initial", mer, PACKAGE="Matrix")            ## Create the mixed-effects representation (mer) object
259                else .Call("lmer_set_initial", mer, start, PACKAGE = "Matrix")            mer <- .Call("mer_create", fl,
260                .Call("lmer_ECMEsteps", mer, cv$niterEM, cv$EMverbose, PACKAGE = "Matrix")                         .Call("Zt_create", fl, Ztl, PACKAGE = "Matrix"),
261                           x, y, method, sapply(Ztl, nrow),
262                           c(lapply(Ztl, rownames), list(.fixed = colnames(x))),
263                           !(family$family %in% c("binomial", "poisson")),
264                           match.call(), family,
265                           PACKAGE = "Matrix")
266              if (lmm) {
267                  .Call("mer_ECMEsteps", mer, cv$niterEM, cv$EMverbose, PACKAGE = "Matrix")
268                LMEoptimize(mer) <- cv                LMEoptimize(mer) <- cv
269                fits <- .Call("lmer_fitted", mer, mmats, TRUE, PACKAGE = "Matrix")                return(mer)
               return(new("lmer",  
                          mer,  
                          assign = attr(x, "assign"),  
                          call = match.call(),  
                          family = family, fitted = fits,  
                          fixed = fixef(mer),  
                          frame = if (model) frm else data.frame(),  
                          logLik = logLik(mer),  
                          residuals = unname(model.response(frm) - fits),  
                          terms = glm.fit$terms))  
270            }            }
271    
272            ## The rest of the function applies to generalized linear mixed models            ## The rest of the function applies to generalized linear mixed models
# Line 204  Line 276 
276            wtssqr <- wts * wts            wtssqr <- wts * wts
277            offset <- glm.fit$offset            offset <- glm.fit$offset
278            if (is.null(offset)) offset <- numeric(length(eta))            if (is.null(offset)) offset <- numeric(length(eta))
           mu <- numeric(length(eta))  
   
           dev.resids <- quote(family$dev.resids(y, mu, wtssqr))  
279            linkinv <- quote(family$linkinv(eta))            linkinv <- quote(family$linkinv(eta))
280            mu.eta <- quote(family$mu.eta(eta))            mu.eta <- quote(family$mu.eta(eta))
281              mu <- family$linkinv(eta)
282            variance <- quote(family$variance(mu))            variance <- quote(family$variance(mu))
283              dev.resids <- quote(family$dev.resids(y, mu, wtssqr))
284            LMEopt <- get("LMEoptimize<-")            LMEopt <- get("LMEoptimize<-")
285            doLMEopt <- quote(LMEopt(x = mer, value = cv))            doLMEopt <- quote(LMEopt(x = mer, value = cv))
286    
287            GSpt <- .Call("glmer_init", environment(), PACKAGE = "Matrix")            GSpt <- .Call("glmer_init", environment(), PACKAGE = "Matrix")
288            .Call("glmer_PQL", GSpt, PACKAGE = "Matrix")  # obtain PQL estimates            .Call("glmer_PQL", GSpt, PACKAGE = "Matrix")  # obtain PQL estimates
   
289            fixInd <- seq(ncol(x))            fixInd <- seq(ncol(x))
290            ## pars[fixInd] == beta, pars[-fixInd] == theta            ## pars[fixInd] == beta, pars[-fixInd] == theta
291            PQLpars <- c(fixef(mer),            PQLpars <- c(fixef(mer),
292                         .Call("lmer_coef", mer, 2, PACKAGE = "Matrix"))                         .Call("mer_coef", mer, 2, PACKAGE = "Matrix"))
293            ## set flag to skip fixed-effects in subsequent calls            .Call("glmer_devLaplace", PQLpars, GSpt, PACKAGE = "Matrix")
           mer@nc[length(mmats)] <- -mer@nc[length(mmats)]  
294            ## indicator of constrained parameters            ## indicator of constrained parameters
295            const <- c(rep(FALSE, length(fixInd)),            const <- c(rep(FALSE, length(fixInd)),
296                       unlist(lapply(mer@nc[seq(along = random)],                       unlist(lapply(mer@nc[seq(along = fl)],
297                                     function(k) 1:((k*(k+1))/2) <= k)                                     function(k) 1:((k*(k+1))/2) <= k)
298                              ))                              ))
299            devAGQ <- function(pars, n)            devLaplace <- function(pars)
300                .Call("glmer_devAGQ", pars, GSpt, n, PACKAGE = "Matrix")                .Call("glmer_devLaplace", pars, GSpt, PACKAGE = "Matrix")
301    
302              optimRes <-
303                  nlminb(PQLpars, devLaplace,
304                         lower = ifelse(const, 5e-10, -Inf),
305                         control = list(trace = getOption("verbose"),
306                         iter.max = cv$msMaxIter))
307              .Call("glmer_finalize", GSpt, PACKAGE = "Matrix")
308              return(mer)
309            deviance <- devAGQ(PQLpars, 1)            deviance <- devAGQ(PQLpars, 1)
310    
311  ### FIXME: For nf == 1 change this to an AGQ evaluation.  Needs  ### FIXME: For nf == 1 change this to an AGQ evaluation.  Needs
312  ### AGQ for nc > 1 first.  ### AGQ for nc > 1 first.
313            fxd <- PQLpars[fixInd]            fxd <- PQLpars[fixInd]
# Line 250  Line 327 
327                }                }
328                obj <- function(pars)                obj <- function(pars)
329                    .Call("glmer_devAGQ", pars, GSpt, nAGQ, PACKAGE = "Matrix")                    .Call("glmer_devAGQ", pars, GSpt, nAGQ, PACKAGE = "Matrix")
               if (exists("nlminb", mode = "function")) {  
330                    optimRes <-                    optimRes <-
331                        nlminb(PQLpars, obj,                        nlminb(PQLpars, obj,
332                               lower = ifelse(const, 5e-10, -Inf),                               lower = ifelse(const, 5e-10, -Inf),
# Line 260  Line 336 
336                    if (optimRes$convergence != 0)                    if (optimRes$convergence != 0)
337                        warning("nlminb failed to converge")                        warning("nlminb failed to converge")
338                    deviance <- optimRes$objective                    deviance <- optimRes$objective
339                } else {                if (gVerb)
                   optimRes <-  
                       optim(PQLpars, obj, method = "L-BFGS-B",  
                             lower = ifelse(const, 5e-10, -Inf),  
                             control = list(trace = getOption("verbose"),  
                                            maxit = cv$msMaxIter))  
                   optpars <- optimRes$par  
                   if (optimRes$convergence != 0)  
                       warning("optim failed to converge")  
                   deviance <- optimRes$value  
               }  
               if (gVerb) {  
340                    cat(paste("convergence message", optimRes$message, "\n"))                    cat(paste("convergence message", optimRes$message, "\n"))
               }  
341                fxd[] <- optpars[fixInd]  ## preserve the names                fxd[] <- optpars[fixInd]  ## preserve the names
342                .Call("lmer_coefGets", mer, optpars[-fixInd], 2, PACKAGE = "Matrix")                .Call("lmer_coefGets", mer, optpars[-fixInd], 2, PACKAGE = "Matrix")
343            }            }
# Line 287  Line 351 
351                call = match.call(), family = family,                call = match.call(), family = family,
352                logLik = loglik, fixed = fxd)                logLik = loglik, fixed = fxd)
353        })        })
 ## end{  "lmer . formula " }  
354    
355    
356    ## Extract the permutation
357    setAs("mer", "pMatrix", function(from)
358          .Call("mer_pMatrix", from, PACKAGE = "Matrix"))
359    
360    ## Extract the L matrix
361    setAs("mer", "dtCMatrix", function(from)
362          .Call("mer_dtCMatrix", from, PACKAGE = "Matrix"))
363    
364    ## Extract the fixed effects
365    setMethod("fixef", signature(object = "mer"),
366              function(object, ...)
367              .Call("mer_fixef", object, PACKAGE = "Matrix"))
368    
369    ## Extract the random effects
370    setMethod("ranef", signature(object = "mer"),
371              function(object, ...)
372                  .Call("mer_ranef", object, PACKAGE = "Matrix")
373              )
374    
375    ## Optimization for mer objects
376  setReplaceMethod("LMEoptimize", signature(x="mer", value="list"),  setReplaceMethod("LMEoptimize", signature(x="mer", value="list"),
377                   function(x, value)                   function(x, value)
378               {               {
379                   if (value$msMaxIter < 1) return(x)                   if (value$msMaxIter < 1) return(x)
380                   nc <- x@nc                   nc <- x@nc
381                   constr <- unlist(lapply(nc[1:(length(nc) - 2)],                   constr <- unlist(lapply(nc, function(k) 1:((k*(k+1))/2) <= k))
                                          function(k) 1:((k*(k+1))/2) <= k))  
382                   fn <- function(pars)                   fn <- function(pars)
383                       deviance(.Call("lmer_coefGets", x, pars, 2, PACKAGE = "Matrix"))                       deviance(.Call("mer_coefGets", x, pars, 2, PACKAGE = "Matrix"))
384                   gr <-                   gr <- if (value$analyticGradient)
                      if (value$analyticGradient)  
385                           function(pars) {                           function(pars) {
386                               if (!isTRUE(all.equal(pars,                               if (!isTRUE(all.equal(pars,
387                                                     .Call("lmer_coef", x,                                                 .Call("mer_coef", x,
388                                                           2, PACKAGE = "Matrix"))))                                                           2, PACKAGE = "Matrix"))))
389                                   .Call("lmer_coefGets", x, pars, 2, PACKAGE = "Matrix")                               .Call("mer_coefGets", x, pars, 2, PACKAGE = "Matrix")
390                               .Call("lmer_gradient", x, 2, PACKAGE = "Matrix")                           .Call("mer_gradient", x, 2, PACKAGE = "Matrix")
391                           }                           }
392                   ## else NULL                   else NULL
393                   optimRes <-                   optimRes <- nlminb(.Call("mer_coef", x, 2, PACKAGE = "Matrix"),
                      if (exists("nlminb", mode = "function"))  
                          nlminb(.Call("lmer_coef", x, 2, PACKAGE = "Matrix"),  
394                                  fn, gr,                                  fn, gr,
395                                  lower = ifelse(constr, 5e-10, -Inf),                                  lower = ifelse(constr, 5e-10, -Inf),
396                                  control = list(iter.max = value$msMaxIter,                                  control = list(iter.max = value$msMaxIter,
397                                                 trace = as.integer(value$msVerbose)))                                                 trace = as.integer(value$msVerbose)))
398                       else                   .Call("mer_coefGets", x, optimRes$par, 2, PACKAGE = "Matrix")
                          optim(.Call("lmer_coef", x, 2, PACKAGE = "Matrix"),  
                                fn, gr, method = "L-BFGS-B",  
                                lower = ifelse(constr, 5e-10, -Inf),  
                                control = list(maxit = value$msMaxIter,  
                                               trace = as.integer(value$msVerbose)))  
                  .Call("lmer_coefGets", x, optimRes$par, 2, PACKAGE = "Matrix")  
399                   if (optimRes$convergence != 0) {                   if (optimRes$convergence != 0) {
400                       warning(paste("optim or nlminb returned message",                       warning(paste("nlminb returned message",
401                                     optimRes$message,"\n"))                                     optimRes$message,"\n"))
402                   }                   }
403                   return(x)                   return(x)
404               })               })
405    
406  setMethod("ranef", signature(object = "lmer"),  setMethod("deviance", signature(object = "mer"),
407            function(object, accumulate = FALSE, ...) {            function(object, ...) {
408                val <- new("lmer.ranef",                .Call("mer_factor", object, PACKAGE = "Matrix")
409                           lapply(.Call("lmer_ranef", object, PACKAGE = "Matrix"),                object@deviance[[ifelse(object@method == "REML", "REML", "ML")]]
                                 data.frame, check.names = FALSE),  
                          varFac = object@bVar,  
                          stdErr = .Call("lmer_sigma", object,  
                          object@method == "REML", PACKAGE = "Matrix"))  
               if (!accumulate || length(val@varFac) == 1) return(val)  
               ## check for nested factors  
               L <- object@L  
               if (any(sapply(seq(a = val), function(i) length(L[[Lind(i,i)]]@i))))  
                   error("Require nested grouping factors to accumulate random effects")  
               val  
410            })            })
411    
412  setMethod("fixef", signature(object = "mer"),  setMethod("mcmcsamp", signature(object = "mer"),
413            function(object, ...)            function(object, n = 1, verbose = FALSE, saveb = FALSE,
414                .Call("lmer_fixef", object, PACKAGE = "Matrix"))                     trans = TRUE, ...)
415          {
416              ans <- t(.Call("mer_MCMCsamp", object, saveb, n,
417                             trans, PACKAGE = "Matrix"))
418              attr(ans, "mcpar") <- as.integer(c(1, n, 1))
419              class(ans) <- "mcmc"
420              glmer <- FALSE
421              gnms <- names(object@flist)
422              cnms <- object@cnames
423              ff <- fixef(object)
424              colnms <- c(names(ff), if (glmer) character(0) else "sigma^2",
425                          unlist(lapply(seq(along = gnms),
426                                        function(i)
427                                        abbrvNms(gnms[i],cnms[[i]]))))
428              if (trans) {
429                  ## parameter type: 0 => fixed effect, 1 => variance,
430                  ##                 2 => covariance
431                  ptyp <- c(integer(length(ff)), if (glmer) integer(0) else 1:1,
432                            unlist(lapply(seq(along = gnms),
433                                          function(i)
434                                      {
435                                          k <- length(cnms[[i]])
436                                          rep(1:2, c(k, (k*(k-1))/2))
437                                      })))
438                  colnms[ptyp == 1] <-
439                      paste("log(", colnms[ptyp == 1], ")", sep = "")
440                  colnms[ptyp == 2] <-
441                      paste("atanh(", colnms[ptyp == 2], ")", sep = "")
442              }
443              colnames(ans) <- colnms
444              ans
445          })
446    
447  setMethod("fixef", signature(object = "lmer"),  setMethod("simulate", signature(object = "mer"),
448            function(object, ...) object@fixed)            function(object, nsim = 1, seed = NULL, ...)
449          {
450              if(!exists(".Random.seed", envir = .GlobalEnv))
451                  runif(1)               # initialize the RNG if necessary
452              if(is.null(seed))
453                  RNGstate <- .Random.seed
454              else {
455                  R.seed <- .Random.seed
456                  set.seed(seed)
457                  RNGstate <- structure(seed, kind = as.list(RNGkind()))
458                  on.exit(assign(".Random.seed", R.seed, envir = .GlobalEnv))
459              }
460    
461  setMethod("VarCorr", signature(x = "lmer"),            family <- object@family
462            function(x, REML = TRUE, useScale = TRUE, ...) {            if (family$family != "gaussian" ||
463                val <- .Call("lmer_variances", x, PACKAGE = "Matrix")                family$link != "identity")
464                for (i in seq(along = val)) {                stop("simulation of generalized linear mixed models not yet implemented")
465                    dimnames(val[[i]]) = list(x@cnames[[i]], x@cnames[[i]])            ## similate the linear predictors
466                    val[[i]] = as(as(val[[i]], "pdmatrix"), "corrmatrix")            lpred <- .Call("mer_simulate", object, nsim, PACKAGE = "Matrix")
467                }            sc <- 1
468                new("VarCorr",            if (object@useScale)
469                    scale = .Call("lmer_sigma", x, REML, PACKAGE = "Matrix"),                sc <- .Call("mer_sigma", object, object@method == "REML",
470                    reSumry = val,                            PACKAGE = "Matrix")
471                    useScale = useScale)            ## add fixed-effects contribution and per-observation noise term
472              lpred <- as.data.frame(lpred + drop(object@X %*% fixef(object)) +
473                                     rnorm(prod(dim(lpred)), sd = sc))
474              ## save the seed
475              attr(lpred, "seed") <- RNGstate
476              lpred
477            })            })
478    
 setMethod("gradient", signature(x = "lmer"),  
           function(x, unconst, ...)  
           .Call("lmer_gradient", x, unconst, PACKAGE = "Matrix"))  
   
 setMethod("summary", signature(object = "lmer"),  
           function(object, ...)  
           new("summary.lmer", object,  
               showCorrelation = TRUE,  
               useScale = !((object@family)$family %in% c("binomial", "poisson"))))  
   
 setMethod("show", signature(object = "lmer"),  
           function(object)  
           show(new("summary.lmer", object,  
                    showCorrelation = FALSE,  
                    useScale = !((object@family)$family %in% c("binomial", "poisson")))))  
479    
480  setMethod("show", "summary.lmer",  setMethod("show", "mer",
481            function(object) {            function(object) {
482                fcoef <- object@fixed                vcShow <- function(varc, useScale)
483                  {
484                      digits <- max(3, getOption("digits") - 2)
485                      sc <- attr(varc, "sc")
486                      recorr <- lapply(varc, function(el) el@factors$correlation)
487                      reStdDev <- c(lapply(recorr, slot, "sd"), list(Residual = sc))
488                      reLens <- unlist(c(lapply(reStdDev, length)))
489                      reMat <- array('', c(sum(reLens), 4),
490                                     list(rep('', sum(reLens)),
491                                          c("Groups", "Name", "Variance", "Std.Dev.")))
492                      reMat[1+cumsum(reLens)-reLens, 1] <- names(reLens)
493                      reMat[,2] <- c(unlist(lapply(reStdDev, names)), "")
494                      reMat[,3] <- format(unlist(reStdDev)^2, digits = digits)
495                      reMat[,4] <- format(unlist(reStdDev), digits = digits)
496                      if (any(reLens > 1)) {
497                          maxlen <- max(reLens)
498                          corr <-
499                              do.call("rbind",
500                                      lapply(recorr,
501                                             function(x, maxlen) {
502                                                 x <- as(x, "matrix")
503                                                 cc <- format(round(x, 3), nsmall = 3)
504                                                 cc[!lower.tri(cc)] <- ""
505                                                 nr <- dim(cc)[1]
506                                                 if (nr >= maxlen) return(cc)
507                                                 cbind(cc, matrix("", nr, maxlen-nr))
508                                             }, maxlen))
509                          colnames(corr) <- c("Corr", rep("", maxlen - 1))
510                          reMat <- cbind(reMat, rbind(corr, rep("", ncol(corr))))
511                      }
512                      if (!useScale) reMat <- reMat[-nrow(reMat),]
513                      print(reMat, quote = FALSE)
514                  }
515    
516                  fcoef <- .Call("mer_fixef", object, PACKAGE = "Matrix")
517                useScale <- object@useScale                useScale <- object@useScale
518                corF <- as(as(vcov(object, useScale = useScale), "pdmatrix"),                corF <- vcov(object)@factors$correlation
                          "corrmatrix")  
519                DF <- getFixDF(object)                DF <- getFixDF(object)
520                coefs <- cbind(fcoef, corF@stdDev, DF)                coefs <- cbind(fcoef, corF@sd, DF)
               nc <- object@nc  
521                dimnames(coefs) <-                dimnames(coefs) <-
522                    list(names(fcoef), c("Estimate", "Std. Error", "DF"))                    list(names(fcoef), c("Estimate", "Std. Error", "DF"))
523                              digits <- max(3, getOption("digits") - 2)                              digits <- max(3, getOption("digits") - 2)
524                REML <- object@method == "REML"                REML <- object@method == "REML"
525                llik <- object@logLik                llik <- logLik(object, REML)
526                dev <- object@deviance                dev <- object@deviance
527                  devc <- object@devComp
528    
529                rdig <- 5                rdig <- 5
530                if (glz <- !(object@method %in% c("REML", "ML"))) {                if (glz <- !(object@method %in% c("REML", "ML"))) {
# Line 430  Line 559 
559                                 row.names = ""))                                 row.names = ""))
560                }                }
561                cat("Random effects:\n")                cat("Random effects:\n")
562                show(VarCorr(object, useScale = useScale))                vcShow(VarCorr(object), useScale)
563                ngrps <- lapply(object@flist, function(x) length(levels(x)))                ngrps <- lapply(object@flist, function(x) length(levels(x)))
564                cat(sprintf("# of obs: %d, groups: ", object@nc[length(object@nc)]))                cat(sprintf("# of obs: %d, groups: ", devc[1]))
565                cat(paste(paste(names(ngrps), ngrps, sep = ", "), collapse = "; "))                cat(paste(paste(names(ngrps), ngrps, sep = ", "), collapse = "; "))
566                cat("\n")                cat("\n")
567                if (!useScale)                if (!useScale)
568                    cat("\nEstimated scale (compare to 1) ",                    cat("\nEstimated scale (compare to 1) ",
569                        .Call("lmer_sigma", object, FALSE, PACKAGE = "Matrix"),                        .Call("mer_sigma", object, FALSE, PACKAGE = "Matrix"),
570                        "\n")                        "\n")
571                if (nrow(coefs) > 0) {                if (nrow(coefs) > 0) {
572                    if (useScale) {                    if (useScale) {
# Line 456  Line 585 
585                    }                    }
586                    cat("\nFixed effects:\n")                    cat("\nFixed effects:\n")
587                    printCoefmat(coefs, tst.ind = 4, zap.ind = 3)                    printCoefmat(coefs, tst.ind = 4, zap.ind = 3)
                   if (length(object@showCorrelation) > 0 && object@showCorrelation[1]) {  
588                        rn <- rownames(coefs)                        rn <- rownames(coefs)
                       dimnames(corF) <- list(  
                                                abbreviate(rn, minlen=11),  
                                                abbreviate(rn, minlen=6))  
589                        if (!is.null(corF)) {                        if (!is.null(corF)) {
590                            p <- NCOL(corF)                        p <- ncol(corF)
591                            if (p > 1) {                            if (p > 1) {
592                                cat("\nCorrelation of Fixed Effects:\n")                                cat("\nCorrelation of Fixed Effects:\n")
593                                corF <- format(round(corF, 3), nsmall = 3)                            corF <- matrix(format(round(corF@x, 3), nsmall = 3),
594                                             nc = p)
595                              dimnames(corF) <- list(
596                                                     abbreviate(rn, minlen=11),
597                                                     abbreviate(rn, minlen=6))
598                                corF[!lower.tri(corF)] <- ""                                corF[!lower.tri(corF)] <- ""
599                                print(corF[-1, -p, drop=FALSE], quote = FALSE)                                print(corF[-1, -p, drop=FALSE], quote = FALSE)
600                            }                            }
601                        }                        }
602                    }                    }
               }  
603                invisible(object)                invisible(object)
604            })            })
605    
606    setMethod("vcov", signature(object = "mer"),
607              function(object, REML = object@method == "REML",
608                       useScale = object@useScale,...) {
609                  sc <- if (object@useScale) {
610                      .Call("mer_sigma", object, REML, PACKAGE = "Matrix")
611                  } else { 1 }
612                  rr <- as(sc^2 * tcrossprod(solve(object@RXX)), "dpoMatrix")
613                  rr@factors$correlation <- as(rr, "correlation")
614                  rr
615              })
616    
617  ## calculates degrees of freedom for fixed effects Wald tests  ## calculates degrees of freedom for fixed effects Wald tests
618  ## This is a placeholder.  The answers are generally wrong.  It will  ## This is a placeholder.  The answers are generally wrong.  It will
619  ## be very tricky to decide what a 'right' answer should be with  ## be very tricky to decide what a 'right' answer should be with
620  ## crossed random effects.  ## crossed random effects.
621    
622  setMethod("getFixDF", signature(object="lmer"),  setMethod("getFixDF", signature(object="mer"),
623            function(object, ...)            function(object, ...) {
624        {                devc <- object@devComp
625            nc <- object@nc[-seq(along = object@Omega)]                rep(as.integer(devc[1]- devc[2]), devc[2])
           p <- abs(nc[1]) - 1  
           n <- nc[2]  
           rep(n-p, p)  
626        })        })
627    
628  setMethod("logLik", signature(object="mer"),  setMethod("logLik", signature(object="mer"),
629            function(object, REML = object@method == "REML", ...) {            function(object, REML = object@method == "REML", ...) {
630                val <- -deviance(object, REML = REML)/2                val <- -deviance(object, REML = REML)/2
631                nc <- object@nc[-seq(a = object@Omega)]                devc <- as.integer(object@devComp[1:2])
632                attr(val, "nall") <- attr(val, "nobs") <- nc[2]                attr(val, "nall") <- attr(val, "nobs") <- devc[1]
633                attr(val, "df") <- abs(nc[1]) +                attr(val, "df") <- abs(devc[2]) +
634                    length(.Call("lmer_coef", object, 0, PACKAGE = "Matrix"))                    length(.Call("mer_coef", object, 0, PACKAGE = "Matrix"))
635                attr(val, "REML") <- REML                attr(val, "REML") <- REML
636                class(val) <- "logLik"                class(val) <- "logLik"
637                val                val
638            })            })
639    
640  setMethod("logLik", signature(object="lmer"),  setMethod("VarCorr", signature(x = "mer"),
641            function(object, ...) object@logLik)            function(x, REML = x@method == "REML", useScale = x@useScale, ...)
642          {
643              sc <- 1
644              if (useScale)
645                  sc <- .Call("mer_sigma", x, REML, PACKAGE = "Matrix")
646              sc2 <- sc * sc
647              ans <- lapply(x@Omega, function(el) {
648                  el <- as(sc2 * solve(el), "dpoMatrix")
649                  el@factors$correlation <- as(el, "correlation")
650                  el
651              })
652              attr(ans, "sc") <- sc
653              ans
654          })
655    
656  setMethod("anova", signature(object = "lmer"),  setMethod("anova", signature(object = "mer"),
657            function(object, ...)            function(object, ...)
658        {        {
659            mCall <- match.call(expand.dots = TRUE)            mCall <- match.call(expand.dots = TRUE)
660            dots <- list(...)            dots <- list(...)
661            modp <- logical(0)            modp <- logical(0)
662            if (length(dots))            if (length(dots))
663                modp <- sapply(dots, inherits, "lmer") | sapply(dots, inherits, "lm")                modp <- sapply(dots, inherits, "mer") | sapply(dots, inherits, "lm")
664            if (any(modp)) {              # multiple models - form table            if (any(modp)) {              # multiple models - form table
665                opts <- dots[!modp]                opts <- dots[!modp]
666                mods <- c(list(object), dots[modp])                mods <- c(list(object), dots[modp])
# Line 549  Line 698 
698            } else {            } else {
699                foo <- object                foo <- object
700                foo@status["factored"] <- FALSE                foo@status["factored"] <- FALSE
701                .Call("lmer_factor", foo, PACKAGE="Matrix")                .Call("mer_factor", foo, PACKAGE="Matrix")
702                dfr <- getFixDF(foo)                dfr <- getFixDF(foo)
703                rcol <- ncol(foo@RXX)                ss <- foo@rXy^2
704                ss <- foo@RXX[ , rcol]^2                ssr <- exp(foo@devComp["logryy2"])
               ssr <- ss[[rcol]]  
705                ss <- ss[seq(along = dfr)]                ss <- ss[seq(along = dfr)]
706                names(ss) <- object@cnames[[".fixed"]][seq(along = dfr)]                names(ss) <- object@cnames[[".fixed"]][seq(along = dfr)]
707                asgn <- foo@assign                asgn <- foo@assign
# Line 563  Line 711 
711                    nmeffects <- c("(Intercept)", nmeffects)                    nmeffects <- c("(Intercept)", nmeffects)
712                ss <- unlist(lapply(split(ss, asgn), sum))                ss <- unlist(lapply(split(ss, asgn), sum))
713                df <- unlist(lapply(split(asgn,  asgn), length))                df <- unlist(lapply(split(asgn,  asgn), length))
714                dfr <- unlist(lapply(split(dfr, asgn), function(x) x[1]))                #dfr <- unlist(lapply(split(dfr, asgn), function(x) x[1]))
715                ms <- ss/df                ms <- ss/df
716                f <- ms/(ssr/dfr)                #f <- ms/(ssr/dfr)
717                P <- pf(f, df, dfr, lower.tail = FALSE)                #P <- pf(f, df, dfr, lower.tail = FALSE)
718                table <- data.frame(df, ss, ms, dfr, f, P)                #table <- data.frame(df, ss, ms, dfr, f, P)
719                  table <- data.frame(df, ss, ms)
720                dimnames(table) <-                dimnames(table) <-
721                    list(nmeffects,                    list(nmeffects,
722                         c("Df", "Sum Sq", "Mean Sq", "Denom", "F value", "Pr(>F)"))  #                       c("Df", "Sum Sq", "Mean Sq", "Denom", "F value", "Pr(>F)"))
723                           c("Df", "Sum Sq", "Mean Sq"))
724                if ("(Intercept)" %in% nmeffects) table <- table[-1,]                if ("(Intercept)" %in% nmeffects) table <- table[-1,]
725                attr(table, "heading") <- "Analysis of Variance Table"                attr(table, "heading") <- "Analysis of Variance Table"
726                class(table) <- c("anova", "data.frame")                class(table) <- c("anova", "data.frame")
# Line 578  Line 728 
728            }            }
729        })        })
730    
731  setMethod("update", signature(object = "lmer"),  setMethod("confint", signature(object = "mer"),
           function(object, formula., ..., evaluate = TRUE)  
       {  
           call <- object@call  
           if (is.null(call))  
               stop("need an object with call component")  
           extras <- match.call(expand.dots = FALSE)$...  
           if (!missing(formula.))  
               call$formula <- update.formula(formula(object), formula.)  
           if (length(extras) > 0) {  
               existing <- !is.na(match(names(extras), names(call)))  
               for (a in names(extras)[existing]) call[[a]] <- extras[[a]]  
               if (any(!existing)) {  
                   call <- c(as.list(call), extras[!existing])  
                   call <- as.call(call)  
               }  
           }  
           if (evaluate)  
               eval(call, parent.frame())  
           else call  
       })  
   
   
 setMethod("confint", signature(object = "lmer"),  
732            function (object, parm, level = 0.95, ...)            function (object, parm, level = 0.95, ...)
733        {            .NotYetImplemented()
           cf <- fixef(object)  
           pnames <- names(cf)  
           if (missing(parm))  
               parm <- seq(along = pnames)  
           else if (is.character(parm))  
               parm <- match(parm, pnames, nomatch = 0)  
           a <- (1 - level)/2  
           a <- c(a, 1 - a)  
           pct <- paste(round(100 * a, 1), "%")  
           ci <- array(NA, dim = c(length(parm), 2),  
                       dimnames = list(pnames[parm], pct))  
           ses <- sqrt(diag(vcov(object)))[parm]  
           ci[] <- cf[parm] + ses * t(outer(a, getFixDF(object)[parm], qt))  
           ci  
       })  
   
 setMethod("deviance", "mer",  
           function(object, REML = NULL, ...) {  
               .Call("lmer_factor", object, PACKAGE = "Matrix")  
               if (is.null(REML))  
                   REML <- object@method == "REML"  
               object@deviance[[ifelse(REML, "REML", "ML")]]  
           })  
   
   
 setMethod("deviance", "lmer",  
           function(object, ...) -2 * c(object@logLik))  
   
   
 setMethod("chol", signature(x = "lmer"),  
           function(x, pivot = FALSE, LINPACK = pivot) {  
               x@status["factored"] <- FALSE # force a decomposition  
               .Call("lmer_factor", x, PACKAGE = "Matrix")  
           })  
   
 setMethod("solve", signature(a = "lmer", b = "missing"),  
           function(a, b, ...)  
           .Call("lmer_invert", a, PACKAGE = "Matrix")  
734            )            )
735    
736  setMethod("formula", "lmer", function(x, ...) x@call$formula)  setMethod("fitted", signature(object = "mer"),
737              function(object, ...)
738  setMethod("vcov", signature(object = "lmer"),            .Call("mer_fitted", object, PACKAGE = "Matrix")
739            function(object, REML = object@method == "REML", useScale = TRUE,...) {            )
               sc <- .Call("lmer_sigma", object, REML, PACKAGE = "Matrix")  
               rr <- object@RXX  
               nms <- object@cnames[[".fixed"]]  
               dimnames(rr) <- list(nms, nms)  
               nr <- nrow(rr)  
               rr <- rr[-nr, -nr, drop = FALSE]  
               rr <- rr %*% t(rr)  
               if (useScale) {  
                   rr = sc^2 * rr  
               }  
               rr  
           })  
   
 ## Extract the L matrix  
 setAs("lmer", "dtTMatrix",  
       function(from)  
   {  
       ## force a refactorization if the factors have been inverted  
       if (from@status["inverted"]) from@status["factored"] <- FALSE  
       .Call("lmer_factor", from, PACKAGE = "Matrix")  
       L <- lapply(from@L, as, "dgTMatrix")  
       nf <- length(from@D)  
       Gp <- from@Gp  
       nL <- Gp[nf + 1]  
       Li <- integer(0)  
       Lj <- integer(0)  
       Lx <- double(0)  
       for (i in 1:nf) {  
           for (j in 1:i) {  
               Lij <- L[[Lind(i, j)]]  
               Li <- c(Li, Lij@i + Gp[i])  
               Lj <- c(Lj, Lij@j + Gp[j])  
               Lx <- c(Lx, Lij@x)  
           }  
       }  
       new("dtTMatrix", Dim = as.integer(c(nL, nL)), i = Li, j = Lj, x = Lx,  
           uplo = "L", diag = "U")  
   })  
740    
741  ## Extract the ZZX matrix  setMethod("formula", signature(x = "mer"),
742  setAs("lmer", "dsTMatrix",            function(x, ...)
743        function(from)            x@call$formula
744    {            )
       .Call("lmer_inflate", from, PACKAGE = "Matrix")  
       ZZpO <- lapply(from@ZZpO, as, "dgTMatrix")  
       ZZ <- lapply(from@ZtZ, as, "dgTMatrix")  
       nf <- length(ZZpO)  
       Gp <- from@Gp  
       nZ <- Gp[nf + 1]  
       Zi <- integer(0)  
       Zj <- integer(0)  
       Zx <- double(0)  
       for (i in 1:nf) {  
           ZZpOi <- ZZpO[[i]]  
           Zi <- c(Zi, ZZpOi@i + Gp[i])  
           Zj <- c(Zj, ZZpOi@j + Gp[i])  
           Zx <- c(Zx, ZZpOi@x)  
           if (i > 1) {  
               for (j in 1:(i-1)) {  
                   ZZij <- ZZ[[Lind(i, j)]]  
                   ## off-diagonal blocks are transposed  
                   Zi <- c(Zi, ZZij@j + Gp[j])  
                   Zj <- c(Zj, ZZij@i + Gp[i])  
                   Zx <- c(Zx, ZZij@x)  
               }  
           }  
       }  
       new("dsTMatrix", Dim = as.integer(c(nZ, nZ)), i = Zi, j = Zj, x = Zx,  
           uplo = "U")  
   })  
745    
746  setMethod("fitted", signature(object = "lmer"),  setMethod("residuals", signature(object = "mer"),
747            function(object, ...)            function(object, ...)
748            napredict(attr(object@frame, "na.action"), object@fitted))            .NotYetImplemented()
749              )
750    
751  setMethod("residuals", signature(object = "lmer"),  setMethod("resid", signature(object = "mer"),
752            function(object, ...)            function(object, ...)
753            naresid(attr(object@frame, "na.action"), object@residuals))            .NotYetImplemented()
754              )
 setMethod("resid", signature(object = "lmer"),  
           function(object, ...) do.call("residuals", c(list(object), list(...))))  
755    
756  setMethod("coef", signature(object = "lmer"),  setMethod("summary", signature(object = "mer"),
757            function(object, ...)            function(object, ...)
758        {            .NotYetImplemented()
759            fef <- data.frame(rbind(object@fixed), check.names = FALSE)            )
           ref <- as(ranef(object), "list")  
           names(ref) <- names(object@flist)  
           val <- lapply(ref, function(x) fef[rep(1, nrow(x)),])  
           for (i in seq(a = val)) {  
               refi <- ref[[i]]  
               row.names(val[[i]]) <- row.names(refi)  
               if (!all(names(refi) %in% names(fef)))  
                   stop("unable to align random and fixed effects")  
               val[[i]][ , names(refi)] <- val[[i]][ , names(refi)] + refi  
           }  
           new("lmer.coef", val)  
       })  
   
 setMethod("plot", signature(x = "lmer.coef"),  
           function(x, y, ...)  
       {  
           ## require("lattice", quietly = TRUE) -- now via Imports  
           varying <- unique(do.call("c",  
                                     lapply(x, function(el)  
                                            names(el)[sapply(el,  
                                                             function(col)  
                                                             any(col != col[1]))])))  
           gf <- do.call("rbind", lapply(x, "[", j = varying))  
           gf$.grp <- factor(rep(names(x), sapply(x, nrow)))  
           switch(min(length(varying), 3),  
                  qqmath(eval(substitute(~ x | .grp,  
                                         list(x = as.name(varying[1])))), gf, ...),  
                  xyplot(eval(substitute(y ~ x | .grp,  
                                         list(y = as.name(varying[1]),  
                                              x = as.name(varying[2])))), gf, ...),  
                  splom(~ gf | .grp, ...))  
       })  
   
 setMethod("plot", signature(x = "lmer.ranef"),  
           function(x, y, ...)  
       {  
           ## require("lattice", quietly = TRUE) -- now via Imports  
           lapply(x, function(x) {  
               cn <- lapply(colnames(x), as.name)  
               switch(min(ncol(x), 3),  
                      qqmath(eval(substitute(~ x, list(x = cn[[1]]))), x, ...),  
                      xyplot(eval(substitute(y ~ x,  
                                             list(y = cn[[1]],  
                                                  x = cn[[2]]))), x, ...),  
                      splom(~ x, ...))  
           })  
       })  
   
 setMethod("with", signature(data = "lmer"),  
           function(data, expr, ...) {  
               dat <- eval(data@call$data)  
               if (!is.null(na.act <- attr(data@frame, "na.action")))  
                   dat <- dat[-na.act, ]  
               lst <- c(list(. = data), data@flist, data@frame, dat)  
               eval(substitute(expr), lst[unique(names(lst))])  
           })  
   
 setMethod("terms", signature(x = "lmer"),  
           function(x, ...) x@terms)  
   
 setMethod("show", signature(object="VarCorr"),  
           function(object)  
       {  
           digits <- max(3, getOption("digits") - 2)  
           useScale <- length(object@useScale) > 0 && object@useScale[1]  
           sc <- ifelse(useScale, object@scale,  1.)  
           reStdDev <- c(lapply(object@reSumry,  
                                function(x, sc)  
                                sc*x@stdDev,  
                                sc = sc), list(Residual = sc))  
           reLens <- unlist(c(lapply(reStdDev, length)))  
           reMat <- array('', c(sum(reLens), 4),  
           list(rep('', sum(reLens)),  
                c("Groups", "Name", "Variance", "Std.Dev.")))  
           reMat[1+cumsum(reLens)-reLens, 1] <- names(reLens)  
           reMat[,2] <- c(unlist(lapply(reStdDev, names)), "")  
           reMat[,3] <- format(unlist(reStdDev)^2, digits = digits)  
           reMat[,4] <- format(unlist(reStdDev), digits = digits)  
           if (any(reLens > 1)) {  
               maxlen <- max(reLens)  
               corr <-  
                   do.call("rbind",  
                           lapply(object@reSumry,  
                                  function(x, maxlen) {  
                                      cc <- format(round(x, 3), nsmall = 3)  
                                      cc[!lower.tri(cc)] <- ""  
                                      nr <- dim(cc)[1]  
                                      if (nr >= maxlen) return(cc)  
                                      cbind(cc, matrix("", nr, maxlen-nr))  
                                  }, maxlen))  
               colnames(corr) <- c("Corr", rep("", maxlen - 1))  
               reMat <- cbind(reMat, rbind(corr, rep("", ncol(corr))))  
           }  
           if (!useScale) reMat <- reMat[-nrow(reMat),]  
           print(reMat, quote = FALSE)  
       })  
   
 setMethod("mcmcsamp", signature(object = "lmer"),  
           function(object, n = 1, verbose = FALSE, saveb = FALSE,  
                    trans = TRUE, ...)  
       {  
           if (object@family$family == "gaussian" &&  
               object@family$link == "identity") {  
               glmer <- FALSE  
               ans <- .Call("lmer_MCMCsamp", object, saveb, n, trans,  
                             PACKAGE = "Matrix")  
           } else {  
               glmer <- TRUE  
               if (trans)  
                   warning("trans option not currently allowed for generalized models")  
               trans <- FALSE  
               ## Check arguments  
               if (length(object@Omega) > 1 || object@nc[1] > 1)  
                   stop("mcmcsamp currently defined for glmm models with only one variance component")  
               cv <- Matrix:::lmerControl()  
               if (verbose) cv$msVerbose <- 1  
               family <- object@family  
               frm <- object@frame  
   
               ## recreate model matrices  
               fixed.form <- Matrix:::nobars(object@call$formula)  
               if (inherits(fixed.form, "name")) # RHS is empty - use a constant  
                   fixed.form <- substitute(foo ~ 1, list(foo = fixed.form))  
               glm.fit <- glm(eval(fixed.form), family, frm, x = TRUE,  
                              y = TRUE)  
               x <- glm.fit$x  
               y <- as.double(glm.fit$y)  
               bars <- Matrix:::findbars(object@call$formula[[3]])  
               random <-  
                   lapply(bars,  
                          function(x) list(model.matrix(eval(substitute(~term,  
                                                                        list(term=x[[2]]))),  
                                                        frm),  
                                           eval(substitute(as.factor(fac)[,drop = TRUE],  
                                                           list(fac = x[[3]])), frm)))  
               names(random) <- unlist(lapply(bars, function(x) deparse(x[[3]])))  
               if (any(names(random) != names(object@flist)))  
                   random <- random[names(object@flist)]  
               mmats <- c(lapply(random, "[[", 1),  
                          .fixed = list(cbind(glm.fit$x, .response = glm.fit$y)))  
               mer <- as(object, "mer")  
   
               ## establish the GS object and the ans matrix  
               eta <- glm.fit$linear.predictors # perhaps later change this to object@fitted?  
               wts <- glm.fit$prior.weights  
               wtssqr <- wts * wts  
               offset <- glm.fit$offset  
               if (is.null(offset)) offset <- numeric(length(eta))  
               off <- numeric(length(eta))  
               mu <- numeric(length(eta))  
               dev.resids <- quote(family$dev.resids(y, mu, wtssqr))  
               linkinv <- quote(family$linkinv(eta))  
               mu.eta <- quote(family$mu.eta(eta))  
               variance <- quote(family$variance(mu))  
               LMEopt <- getAnywhere("LMEoptimize<-")  
               doLMEopt <- quote(LMEopt(x = mer, value = cv))  
               GSpt <- .Call("glmer_init", environment(), PACKAGE = "Matrix")  
               fixed <- object@fixed  
               varc <- .Call("lmer_coef", mer, 2, PACKAGE = "Matrix")  
               b <- .Call("lmer_ranef", mer, PACKAGE = "Matrix")  
               ans <- .Call("glmer_MCMCsamp", GSpt, b, fixed, varc, saveb, n,  
                            PACKAGE = "Matrix")  
               .Call("glmer_finalize", GSpt, PACKAGE = "Matrix");  
           }  
           gnms <- names(object@flist)  
           cnms <- object@cnames  
           ff <- fixef(object)  
           colnms <- c(names(ff), if (glmer) character(0) else "sigma^2",  
                     unlist(lapply(seq(along = gnms),  
                                   function(i)  
                                   abbrvNms(gnms[i],cnms[[i]]))))  
           if (trans) {  
               ## parameter type: 0 => fixed effect, 1 => variance,  
               ##                 2 => covariance  
               ptyp <- c(integer(length(ff)), if (glmer) integer(0) else 1:1,  
                         unlist(lapply(seq(along = gnms),  
                                       function(i)  
                                   {  
                                       k <- length(cnms[[i]])  
                                       rep(1:2, c(k, (k*(k-1))/2))  
                                   })))  
               colnms[ptyp == 1] <-  
                   paste("log(", colnms[ptyp == 1], ")", sep = "")  
               colnms[ptyp == 2] <-  
                   paste("atanh(", colnms[ptyp == 2], ")", sep = "")  
           }  
           colnames(ans) <- colnms  
           ans  
       })  
   
 rWishart <- function(n, df, invScal)  
   .Call("Matrix_rWishart", n, df, invScal)  
   
760    
761  setMethod("model.matrix", signature(object = "lmer"),  setMethod("update", signature(object = "mer"),
762            function(object, ...)            function(object, ...)
763        {            .NotYetImplemented()
764            frm <- object@frame            )
           fixed.form <- Matrix:::nobars(object@call$formula)  
           if (inherits(fixed.form, "name")) # RHS is empty - use a constant  
               fixed.form <- substitute(foo ~ 1, list(foo = fixed.form))  
           glm.fit <- glm(eval(fixed.form), object@family, frm, x = TRUE, y = TRUE)  
           fxd <- unname(drop(glm.fit$x %*% fixef(object)))  
   
           ## Create the random effects model matrices  
           bars <- Matrix:::findbars(object@call$formula[[3]])  
           random <-  
               lapply(bars,  
                      function(x) list(model.matrix(eval(substitute(~term,  
                                                                    list(term=x[[2]]))),  
                                                    frm),  
                                       eval(substitute(as.factor(fac)[,drop = TRUE],  
                                                       list(fac = x[[3]])), frm)))  
           names(random) <- unlist(lapply(bars, function(x) deparse(x[[3]])))  
           ## re-order the random effects pairs if necessary  
           if (any(names(random) != names(object@flist)))  
               random <- random[names(object@flist)]  
           c(lapply(random, "[[", 1),  
             .fixed = list(cbind(glm.fit$x, .response = glm.fit$y)))  
       })  
   
 setMethod("simulate", signature(object = "lmer"),  
           function(object, nsim = 1,  
                    seed = runif(1, 0, .Machine$integer.max),  
                    ...)  
       {  
           runif(1) ## to initialize the RNG if necessary  
           RNGstate <- .Random.seed  
           set.seed(seed)  
   
           family <- object@family  
           if (family$family != "gaussian" ||  
               family$link != "identity")  
               stop("simulation of generalized linear mixed models not yet implemented")  
   
           ## pieces we will need later  
           scale <- .Call("lmer_sigma", object, object@method == "REML",  
                          PACKAGE = "Matrix")  
           mmats <- model.matrix(object)  
           ff <- fixef(object)  
   
 ###_FIXME: If the factor levels have been permuted, has the  
 ###        permutation been applied in the stored frame?  Otherwise we  
 ###        need to check this.  
765    
           ## similate the linear predictors  
           lpred <- .Call("lmer_simulate", as(object, "mer"), nsim,  
                          unname(drop(mmats[[length(mmats)]][,seq(a = ff)] %*% ff)),  
                          mmats, TRUE, PACKAGE = "Matrix")  
           ## add per-observation noise term  
           lpred <- as.data.frame(lpred + rnorm(prod(dim(lpred)), sd = scale))  
   
           ## save the seed and restore the RNG state  
           attr(lpred, "seed") <- seed  
           assign(".Random.seed", RNGstate, envir = .GlobalEnv)  
           lpred  
       })  
766    
767  simulate2 <- function(object, n = 1, ...)  simss <- function(fm0, fma, nsim)
768  {  {
769      family <- object@family      ysim <- simulate(fm0, nsim)
770      if (family$family != "gaussian" ||      cv <- list(analyticGradient = FALSE, msMaxIter = 200:200,
771          family$link != "identity")                 msVerbose = 0:0)
772          stop("simulation of generalized linear mixed models not implemented yet")      sapply(ysim, function(yy) {
773            .Call("mer_update_y", fm0, yy, PACKAGE = "Matrix")
774      ## create the mean from the fixed effects          LMEoptimize(fm0) <- cv
775      frm <- object@frame          .Call("mer_update_y", fma, yy, PACKAGE = "Matrix")
776      fixed.form <- Matrix:::nobars(object@call$formula)          LMEoptimize(fma) <- cv
777      if (inherits(fixed.form, "name")) # RHS is empty - use a constant          exp(c(H0 = fm0@devComp[["logryy2"]],
778          fixed.form <- substitute(foo ~ 1, list(foo = fixed.form))                Ha = fma@devComp[["logryy2"]]))
     glm.fit <- glm(eval(fixed.form), family, frm, x = TRUE, y = TRUE)  
     lpred <- matrix(glm.fit$x %*% fixef(object), nr = nrow(frm), nc = n)  
   
     ## Create the random effects model matrices  
     bars <- Matrix:::findbars(object@call$formula[[3]])  
     random <-  
         lapply(bars,  
                function(x) list(model.matrix(eval(substitute(~term,  
                                                              list(term=x[[2]]))),  
                                              frm),  
                                 eval(substitute(as.factor(fac)[,drop = TRUE],  
                                                 list(fac = x[[3]])), frm)))  
     names(random) <- unlist(lapply(bars, function(x) deparse(x[[3]])))  
     ## re-order the random effects pairs if necessary  
     flist <- object@flist  
     if (any(names(random) != names(flist)))  
         random <- random[names(flist)]  
     mmats <- lapply(random, "[[", 1)  
   
     ## simulate the random effects  
     scale <- .Call("lmer_sigma", object, object@method == "REML",  
                    PACKAGE = "Matrix")  
     Omega <- object@Omega  
     re <- lapply(seq(along = Omega),  
                  function(i) {  
                      om <- Omega[[i]]  
                      nr <- nrow(om)  
                      nlev <- length(levels(flist[[i]]))  
                      scale * array(solve(chol(new("dpoMatrix", Dim = dim(om),  
                                                   uplo = "U", x = c(om))),  
                                          matrix(rnorm(nr * n * nlev),  
                                                 nr = nr))@x, c(nr, n, nlev))  
779                   })                   })
     ## apply the random effects  
     for (j in seq(along = Omega)) {  
         for (i in 1:nrow(lpred))  
         lpred[i,] <- lpred[i,] + mmats[[j]][i,] %*% re[[j]][, , as.integer(flist[[j]])[i]]  
     }  
     ## add per-observation noise term  
     lpred <- lpred + rnorm(prod(dim(lpred)), sd = scale)  
     attr(lpred, "re") <- re  
     lpred  
 }  
   
 refdist <- function(fm1, fm2, n, ...)  
 {  
     cv <- lmerControl()  
     obs <- deviance(fm2) - deviance(fm1)  
     newy <- simulate(fm2, n)  
     mm1 <- model.matrix(fm1)  
     mm2 <- model.matrix(fm2)  
     ref <- numeric(n)  
     mer1 <- as(fm1, "mer")  
     mer2 <- as(fm2, "mer")  
     for (j in 1:n) {  
         .Call("lmer_update_y", mer2, newy[[j]], mm2, PACKAGE = "Matrix")  
         LMEoptimize(mer2) <- cv  
         .Call("lmer_update_y", mer1, newy[[j]], mm1, PACKAGE = "Matrix")  
         LMEoptimize(mer1) <- cv  
         ref[j] <- deviance(mer2) - deviance(mer1)  
     }  
     attr(ref, "observed") <- obs  
     ref  
780  }  }

Legend:
Removed from v.901  
changed lines
  Added in v.1165

root@r-forge.r-project.org
ViewVC Help
Powered by ViewVC 1.0.0  
Thanks to:
Vienna University of Economics and Business Powered By FusionForge