Pytania otagowane jako mixed-model

Modele mieszane (inaczej wielopoziomowe lub hierarchiczne) to modele liniowe, które obejmują zarówno efekty stałe, jak i efekty losowe. Służą do modelowania danych podłużnych lub zagnieżdżonych.

1
R / mgcv: Dlaczego produkty tensorowe te () i ti () wytwarzają różne powierzchnie?
mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Jak przeprowadzić porównanie post hoc dla terminu interakcji z modelem efektów mieszanych?
Pracuję nad zestawem danych w celu oceny wpływu suszenia na aktywność mikrobiologiczną osadów. Celem jest ustalenie, czy wpływ suszenia różni się w zależności od rodzaju osadu i / lub głębokości osadu. Projekt eksperymentalny jest następujący: Pierwszy czynnik Osad odpowiada trzem rodzajom osadu (kodowany Sed1, Sed2, Sed3). Dla każdego rodzaju osadu …
1
Powtarzane miary anova: lm vs lmer
Próbuję odtworzyć kilka testów interakcji między obiema lmi lmerpowtarzanymi pomiarami (2x2x2). Powodem, dla którego chcę porównać obie metody, jest to, że GLM SPSS dla powtarzanych pomiarów daje dokładnie takie same wyniki, jak lmprzedstawione tutaj podejście, więc na koniec chcę porównać SPSS z R-lmer. Do tej pory udało mi się tylko …
2
Jak symulować dane, aby wykazać mieszane efekty z R (lme4)?
Jako odpowiednik tego postu pracowałem nad symulacją danych ze zmiennymi ciągłymi, nadając się do skorelowanych przechwyceń i nachyleń. Chociaż na stronie i poza nią są świetne posty na ten temat , miałem trudności ze znalezieniem od początku do końca przykładu z symulowanymi danymi, który byłby podobny do prostego scenariusza z …
1
Matryce modelowe dla modeli efektów mieszanych
W lmerfunkcji w lme4w Ristnieje wezwanie do skonstruowania matrycy modelu efektów przypadkowych, ZZZ , jak opisano tutaj , na stronach 7 - 9. Obliczanie obejmuje produkty KhatriRao i / lub Kronecker dwóch matryc, i . J i X iZZZjotjaJiJ_iXjaXiX_i Macierz to kęs: „Macierz wskaźników wskaźników współczynnika grupowania”, ale wydaje się, …
1
Testy post-hoc w multcomp :: glht dla modeli efektów mieszanych (Lme4) z interakcjami
Przeprowadzam testy post-hoc na liniowym modelu mieszanych efektów w R( lme4pakiecie). Używam multcomppakietu ( glht()funkcji) do przeprowadzania testów post-hoc. Mój plan eksperymentalny to powtarzane pomiary z przypadkowym efektem blokowania. Modele są określone jako: mymod <- lmer(variable ~ treatment * time + (1|block), data = mydata, REML = TRUE) Zamiast załączać …
1
Współczynnik korelacji międzyklasowej w modelu mieszanym z losowymi nachyleniami
Mam następujący model m_plotwyposażony w lme4::lmerskrzyżowane efekty losowe dla uczestników ( lfdn) i przedmiotów ( content): Random effects: Groups Name Variance Std.Dev. Corr lfdn (Intercept) 172.173 13.121 role1 62.351 7.896 0.03 inference1 24.640 4.964 0.08 -0.30 inference2 52.366 7.236 -0.05 0.17 -0.83 inference3 21.295 4.615 -0.03 0.22 0.86 -0.77 content …
2
Czy stopnie swobody w lmerTest :: anova są poprawne? Różnią się bardzo od RM-ANOVA
Analizuję wyniki eksperymentu czasu reakcji w R. Przeprowadziłem ANOVA z powtarzanymi pomiarami (1 czynnik wewnątrz podmiotu z 2 poziomami i 1 czynnik między podmiotem z 2 poziomami). Uruchomiłem podobny liniowy model mieszany i chciałem podsumować wyniki lmera w formie tabeli ANOVA lmerTest::anova. Nie zrozumcie mnie źle: nie spodziewałem się identycznych …
4
Pomysł modelu mieszanego i metoda bayesowska
W modelu mieszanym zakładamy, że efekty losowe (parametry) są zmiennymi losowymi, które mają rozkład normalny. Wygląda bardzo podobnie do metody bayesowskiej, w której zakłada się, że wszystkie parametry są losowe. Czy zatem model efektu losowego jest rodzajem specjalnego przypadku metody bayesowskiej?
1
Jak włączyć innowacyjną wartość odstającą przy obserwacji 48 w moim modelu ARIMA?
Pracuję nad zestawem danych. Po zastosowaniu niektórych technik identyfikacji modelu, wyszłam z modelem ARIMA (0,2,1). Użyłem detectIOfunkcji w pakiecie TSAw R do wykrycia innowacyjnej wartości odstającej (IO) przy 48. obserwacji mojego oryginalnego zestawu danych. Jak włączyć tę wartość odstającą do mojego modelu, aby móc jej używać do celów prognozowania? Nie …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.