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
Zrozumienie efektu ciągłego czynnika losowego w modelu efektów mieszanych
Rozumiem wpływ kategorycznego efektu losowego na model efektów mieszanych, ponieważ wykonuje on częściowe łączenie obserwacji według poziomu efektu losowego, skutecznie zakładając, że obserwacje same w sobie nie są niezależne, a jedynie ich częściowe pule. Również dla mojego zrozumienia, w takim modelu obserwacje dzielące ten sam poziom efektu losowego, ale różniące …
1
Jak interpretować współczynniki wielowymiarowego modelu mieszanego w lme4 bez ogólnego przechwytywania?
Usiłuję dopasować model mieszany wielowymiarowy (tj. Wiele odpowiedzi) R. Oprócz pakietów ASReml-ri SabreR(które wymagają zewnętrznego oprogramowania) wydaje się, że jest to możliwe tylko w MCMCglmm. w artykule dołączonym do MCMCglmmpakietu (str. 6) Jarrod Hadfield opisuje proces dopasowywania takiego modelu, jak na przykład przekształcanie wielu zmiennych odpowiedzi w jedną zmienną o …
1
Dlaczego Anova () i drop1 () podają różne odpowiedzi dla GLMM?
Mam GLMM w postaci: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kiedy używam drop1(model, test="Chi"), otrzymuję inne wyniki niż w przypadku korzystania Anova(model, type="III")z pakietu samochodowego lub summary(model). Te dwa ostatnie dają te same odpowiedzi. Korzystając z wielu sfabrykowanych danych, odkryłem, że te …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
Czy w modelach mieszanych można uwzględnić czas jako predyktor?
Zawsze uważałem, że czas nie powinien być wykorzystywany jako predyktor w regresjach (w tym gam), ponieważ wtedy po prostu „opisałby” sam trend. Jeśli celem badań jest znalezienie parametrów środowiskowych, takich jak temperatura itp., Które wyjaśniają wariancję, powiedzmy, aktywności zwierzęcia, to zastanawiam się, w jaki sposób można wykorzystać czas? jako proxy …
2
Dane podłużne: szeregi czasowe, powtarzane pomiary czy coś innego?
Mówiąc wprost : mam model regresji wielokrotnej lub model ANOVA, ale zmienna odpowiedzi dla każdej osoby jest krzywoliniową funkcją czasu. Jak stwierdzić, które ze zmiennych po prawej stronie są odpowiedzialne za znaczące różnice w kształtach lub pionowych przesunięciach krzywych? Czy to problem z szeregiem czasowym, problem z powtarzanymi pomiarami, czy …
2
Porównanie modelu mieszanego (podmiot jako efekt losowy) z prostym modelem liniowym (przedmiot jako efekt stały)
Kończę analizę dużej grupy danych. Chciałbym wziąć model liniowy zastosowany w pierwszej części pracy i ponownie go dopasować za pomocą liniowego modelu mieszanego (LME). LME byłby bardzo podobny, z tym wyjątkiem, że jedna ze zmiennych zastosowanych w modelu byłaby zastosowana jako efekt losowy. Te dane pochodzą z wielu obserwacji (> …
2
Minimalny rozmiar próbki na klaster w modelu efektu losowego
Czy istnieje uzasadnienie dla liczby obserwacji przypadających na klaster w modelu efektu losowego? Mam próbkę o wielkości 1500 z 700 klastrami zamodelowanymi jako wymienny efekt losowy. Mam opcję łączenia klastrów w celu tworzenia mniejszych, ale większych klastrów. Zastanawiam się, jak mogę wybrać minimalną wielkość próbki na klaster, aby uzyskać znaczące …
1
Interpretacja efektów stałych z regresji logistycznej efektu mieszanego
Jestem zdezorientowany stwierdzeniami na stronie UCLA o regresji logistycznej z efektami mieszanymi. Pokazują tabelę stałych współczynników efektów z dopasowania takiego modelu, a pierwszy akapit poniżej wydaje się interpretować współczynniki dokładnie tak, jak normalna regresja logistyczna. Ale kiedy mówią o ilorazach szans, mówią, że musisz je interpretować zależnie od losowych efektów. …
1
Dlaczego miałbyś przewidywać na podstawie modelu efektu mieszanego bez uwzględnienia efektów losowych dla prognozy?
Jest to bardziej pytanie koncepcyjne, ale w miarę używania Rbędę odwoływał się do pakietów w R. Jeśli celem jest dopasowanie modelu liniowego do celów przewidywania, a następnie dokonanie prognoz, w których efekty losowe mogą być niedostępne, czy jest jakaś korzyść ze stosowania modelu efektów mieszanych, czy zamiast tego należy zastosować …
2
Co to jest „parametr komponentu wariancji” w modelu efektu mieszanego?
Na stronie 12 książki Batesa o modelu efektu mieszanego opisuje ten model w następujący sposób: Pod koniec zrzutu ekranu wspomina o względny współczynnik kowariancji , w zależności od parametru wariancji-komponentu ,ΛθΛθ\Lambda_{\theta}θθ\theta bez wyjaśnienia, jaki dokładnie jest związek. Powiedzmy, że otrzymujemy , jak moglibyśmy uzyskać z niej ?θθ\thetaΛθΛθ\Lambda_{\theta} W powiązanej nucie …
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.