Karışık modeller için parametrik, yarı parametrik ve parametrik olmayan önyükleme

9

Bu makaleden aşağıdaki greftler alınmıştır . Ben bootstrap için acemi ve R bootpaket ile doğrusal karışık model için parametrik, yarı parametrik ve parametrik olmayan bootstrapping bootstrapping uygulamaya çalışıyorum .

resim açıklamasını buraya girin

R Kodu

İşte benim Rkod:

library(SASmixed)
library(lme4)
library(boot)

fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation)
fixef(fm1Cult)


boot.fn <- function(data, indices){
 data <- data[indices, ]
 mod <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data)
 fixef(mod)
 }

set.seed(12345)
Out <- boot(data=Cultivation, statistic=boot.fn, R=99)
Out

Sorular

Paketli karışık modeller için parametrik, yarı parametrik ve parametrik olmayan önyükleme nasıl yapılır boot?
Kodumda karışık model için parametrik olmayan bootstrapping yapıyorum sanırım.

Bu slaytları buldum ama R paketi alamadım merBoot. Bu paketi nereden alabileceğime dair herhangi bir fikir. Herhangi bir yardım çok takdir edilecektir. Yardımınız ve zamanınız için şimdiden teşekkür ederiz.

r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

— MYaseen208
kaynak

8

Karışık doğrusal modellerde önyükleme, etkilerin sabit ve rasgele bölünmesi gibi bir karmaşıklığa sahip olmanız dışında, regresyondaki önyükleme gibidir. Parametrik önyükleme yapmak için regresyonda, parametrik modeli verilere sığdırır, model kalıntılarını hesaplar, kalıntıları önyükler, önyükleme kalıntılarını alır ve veriler için bir önyükleme örneği almak için bunları takılı modele eklersiniz ve sonra modele uyarsınız bootstrap örnek parametre tahminlerini almak için bootstrap verilerine gidin. Orijinal kalıntıları yeniden önyükleyerek ve parametrelerin başka bir önyükleme örneği tahmini almak için yordamdaki diğer adımları yineleyerek yordamı yineleyin. Parametrik olmayan önyükleme için, yanıtın vektörünü ve değişken değerlerini oluşturur ve önyükleme örneği için vektörlerin seçimini önyüklersiniz. Bootstrap örneğinden, parametreleri almak için modele uyuyorsunuz ve işlemi tekrarlıyorsunuz. Parametrik ve parametrik olmayan önyükleme arasındaki tek fark parametrik önyükleme için artıkları önyükleme yaparken parametrik olmayan önyükleme vektörleri önyükleme yapar. Karışık model durumunda, bazı efektleri parametrik olarak ve diğerlerini parametrik olmayan bir şekilde tedavi ederek yarı parametrik bir bootstrap'e sahip olabilirsiniz. Kodunuz bootstrapping vektörleri ise parametrik olmayan bootstrap yapıyorsunuz. Bunu R'de sağlamak için özel bir çözümüm yok, ancak Efron ve Tibshirani'nin kitabına veya Robert LaBudde ile olan kitabımıza bakarsanız, doğrusal karışık modele benzer modeller için R kodunu göreceksiniz.

— Michael R. Chernick
kaynak

@Michael, güzel cevabınız için teşekkürler. Uygulanan üç önyükleme yöntemi için örnek paylaşırsanız çok memnun olurum R.

— MYaseen208

Yarı parametrik örneklerim olduğunu sanmıyorum. Ben henüz bir R programcısı değilim. Robert LaBudde R programlamasını kitabımızda yaptı. Sabit otoregresif bir model için R'de kodlanmış bir parametrik bootstrap örneği verir (s. 120-122). Kitabın 10. sayfasında R'de "> help.search ('bootstrap') sorgusunu kullanarak ortaya çıkan tüm bootstrap işlevlerini gösteriyor Efron ve Tibshirani, kitaplarında" bootstrap "adını verdikleri başka bir bootstrap paketini belgelemişlerdir. ve Hinkley nedeniyle paket onların bootstrap kitap hakkında daha fazla bilgi edinebilirsiniz onların paket "çizme" dir

— Michael R. Chernick

Karışık bir modelin sıkı parametrik olmayan önyüklemesinin başarısızlığa eğilimli olduğu belirtilmelidir. Süreci durduran rastgele bir değişken seviyesini tamamen atlayabilir.

— Bryan

2

bootMerLme4'ün geliştirme sürümündeki işleve bir göz atmak isteyebilirsiniz,

install_github("lme4",user="lme4")
library(lme4)

modellerin model tabanlı (yarı) parametrik önyüklemesini yapabilen ... ?bootMer

— Tom Wenseleers
kaynak