Atelier de formation sur les modèles linéaires à effets mixtes avec R | Linear mixed model workshops in R

Organisation/Organization: Kate Laskowski, Pierre-Olivier Montiglio, Mélodie de Jaham & Marc-Olivier Beausoleil.

Dr. Kate Laskowski (IGB, Berlin) a donné un atelier de 6 jours sur les modèles mixtes avec R. C'est un atelier de 3 jours de leçons en anglais, suivis de 3 jours de travail supervisé sur les données des participants à l'atelier. Participer à l’atelier nécessite un ordinateur avec une installation de R fonctionnelle, et une connaissance de base du logiciel R (être capable de saisir des commandes, d’importer des données, et produire des figures simples).

Les leçons portent sur les sujets suivants: 1 – Les bases d’un modèle linéaire: postulats, interprétation, et lecture des sorties d’un modèle. 2 – Introduction aux modèles mixtes: quand ils sont nécessaires, postulats, et différences entre les effets fixes et aléatoires. 3 – La sélection de modèles: exploration des données, modèles a priori, sélection et validation des modèles. 4 – Les effets aléatoires nichés et croisés. Modèles de regression aléatoires. 5 – Interpréation et pertinence des modèles: estimer la répétabilité, et le coefficient de détermination des modèles mixtes. 6 – Problèmes de postulats: hétérogénéité des variances et patrons d’auto-correlation.

Nous encourageons vivement les personnes moins familières avec R à consulter le premier (Introduction à R) et le deuxième (Charger et manipuler des données) atelier sur le CSBQ.

—

Dr. Kate Laskowski (IGB, Berlin) gave a 6 days workshop on mixed-models in R. The workshop included 3 days of lessons followed by supervised work on the attendants’ projects. The workshop will be in English and requires at laptop with R installed (and working). We assume you have a basic knowledge of R (i.e. knowing how to enter commands, import data, and produce simple figures).

The workshop addresses the following topics: 1 - Basics to linear models: assumptions, interpretations and how to read an R output 2 - Intro to mixed models: when they are necessary, assumptions, difference between fixed and random effects 3 - Proper model selection: data exploration, a priori models, model selection, model validation 4 - Other random effects: nested versus crossed random effects, random regression models (e.g. random slopes) 5 - Model interpretation and relevance: estimating repeatability and R2 from mixed model, data centering 6 - Dealing with assumption violations: variance heterogeneity and auto-correlation

We strongly encourage people that are less familiar with R to consult the first (Introduction to R) and second (Loading and manipulating data) QCBS workshop.

Questions? : Pierre-Olivier Montiglio

Notes collaboratives de l'atelier | Collaborative notes of the workshop

Les étudiants ont pris des notes ensemble pendant l'atelier. Vous pouvez les consulter en suivant ce lien.

—

Students have been taking notes together during the workshop. You can consult them following this link.

Présentation | Slides

Les diapositives de la présentation ont été réalisées par Kate Laskowski. Elles sont en anglais seulement. Pour les exemples dans les différentes présentations, Kate utilise les jeux de données sur cette page, qui peuvent être directement téléchargés à partir de ce lien.

| Installez et assurez-vous que ces paquets fonctionnent dans votre version R
install.packages("nlme") 
install.packages("lme4") 
install.packages("emmeans") 
install.packages("MuMIn")

Téléchargez le script de l'atelier ici.

—

The presentation slides were made by Kate Laskowski. They are in English only. For the examples in the various presentations, Kate use  the datasets from this page, which can be directly downloaded from this link.

| Install and make sure that these packages are working in your R version
install.packages("nlme") 
install.packages("lme4") 
install.packages("emmeans") 
install.packages("MuMIn")

Download the workshop script here.

  1. Linear regression
  2. Model assumptions
  3. Introduction to mixed models
  4. Model selection
  5. More random effects
  6. R-squared values
  7. Centering for interpretation
  8. Variance heterogeneity
  9. Random regression

Références | References

  • Crawley, M. J. 2013. The R book. Second edition. John Wiley & Sons, Ltd, United Kingdom.
  • Gelman, A., and J. Hill. 2007. Data Analysis Using Regression and Multilevel/Hierarchical Models. Pages 1–651. Cambridge University Press, Cambridge.
  • West, B. T., K. B. Welch, and A. T. Galecki. 2014. Linear Mixed Models. CRC Press, Boca Raton, FL.
  • Zuur, A., E. N. Ieno, N. Walker, A. A. Saveliev, and G. M. Smith. 2009. Mixed Effects Models and Extensions in Ecology with R. Springer Science & Business Media, New York.
  • Zuur, A. F., E. N. Ieno, and C. S. Elphick. 2009. A protocol for data exploration to avoid common statistical problems. Methods in Ecology and Evolution 1:3–14.
  • Zuur, A. F., and E. N. Ieno. 2016. A protocol for conducting and presenting results of regression-type analyses. Methods in Ecology and Evolution 7:636–645.

Consultez aussi les ateliers en R sur les LMMs :

Look at the QCBS LMM workshop in R:

Financement de l'évènement | Sponsors: