Unten ist der Code für die Analyse eines auflösbaren Alpha-Designs (Alpha-Gitter-Design) unter Verwendung des R
Pakets asreml
angegeben.Mittlere Varianz eines Unterschieds von BLAUEN oder BLUPs in "lme4"
# load the data
library(agridat)
data(john.alpha)
dat <- john.alpha
# load asreml
library(asreml)
# model1 - random `gen`
#----------------------
# fitting the model
model1 <- asreml(yield ~ 1 + rep, data=dat, random=~ gen + rep:block)
# variance due to `gen`
sg2 <- summary(model1)$varcomp[1,'component']
# mean variance of a difference of two BLUPs
vblup <- predict(model1 , classify="gen")$pred$avsed^2
# model2 - fixed `gen`
#----------------------
model2 <- asreml(yield ~ 1 + gen + rep, data=dat, random = ~ rep:block)
# mean variance of a difference of two adjusted treatment means (BLUE)
vblue <- predict(model2 , classify="gen")$pred$avsed^2
# H^2 = .803
sg2/(sg2 + vblue/2)
# H^2c = .809
1-(vblup/2/sg2)
Ich versuche, die oben mit dem R
Paket lme4
zu replizieren.
# model1 - random `gen`
#----------------------
# fitting the model
model1 <- lmer(yield ~ 1 + (1|gen) + rep + (1|rep:block), dat)
# variance due to `gen`
varcomp <- VarCorr(model1)
varcomp <- data.frame(print(varcomp, comp = "Variance"))
sg2 <- varcomp[varcomp$grp == "gen",]$vcov
# model2 - fixed `gen`
#----------------------
model2 <- lmer(yield ~ 1 + gen + rep + (1|rep:block), dat)
Wie die vblup
und vblue
(mittlere Varianz der Differenz) in lme4
entspricht predict()$pred$avsed^2
von asreml
berechnen?