En un entorno de modelo mixto, quiero estimar los componentes de la varianza y los efectos aleatorios correspondientes de un modelo de intersección aleatoria/pendiente aleatoria. Los coeficientes de los efectos fijos ya se han determinado en un paso de iteración anterior. Por lo tanto, me gustaría ajustar un modelo mixto en los residuos marginales $\sombrero{y} – X\sombrero{\beta}$.
En R, usando la función lmeresto se puede lograr mediante el uso de un desplazamiento
lmer_0 <- lmer(formula = y ~ offset(eta) +
(xij_1|id), data = data_0)
donde ‘eta’ corresponde a $X\sombrero{\beta}$.
Sin embargo, los componentes de la varianza de las intersecciones aleatorias y las pendientes aleatorias ahora estarán sesgadas, ya que los usos de máxima verosimilitud restringida
$$ \frac{1}{2} \log \left|\boldsymbol{X}^{\prime} \boldsymbol{V}(\vartheta)^{-1} \boldsymbol{X}\right|, $$
que incluye la matriz de diseño de efectos fijos $X$, que no es proporcionado por la llamada de función. Este problema se puede resolver incluyendo todos los efectos fijos como covariables, lo que da como resultado que también se estimen sus coeficientes. Sin embargo, esto aumenta significativamente el tiempo de cálculo y no me interesan las estimaciones de efectos fijos.
¿Es su forma de resolver este problema, posiblemente usando alguna otra función que no sea lmer?
