«random-effects-model» etiketlenmiş sorular

Doğrusal Karışık Efekt Modelleri, gruplar halinde toplanan ve özetlenen veriler için Doğrusal Regresyon modellerinin Uzantılarıdır. Temel avantajlar katsayıların bir veya daha fazla grup değişkenine göre değişebilmesidir. Ancak, karma efekt modelini ne zaman kullanacağımla mücadele ediyorum ? Sorularımı, uç durumları olan bir oyuncak örneği kullanarak ele alacağım. Diyelim ki hayvanlar için …

11 regression  mixed-model  random-effects-model  linear 

Gönderen Wikipedia Bireysel özgül etki, rasgele etki varsayımı ve sabit etki varsayımı hakkında iki ortak varsayım vardır. Rastgele etkiler varsayımı (rastgele etkiler modelinde yapılmıştır), bireysel spesifik etkilerin bağımsız değişkenlerle ilişkisiz olmasıdır . Sabit etki varsayımı, bireye özgü etkinin bağımsız değişkenlerle ilişkili olduğudur. Rastgele etkiler varsayımı geçerliyse, rastgele etkiler modeli sabit …

11 random-effects-model  fixed-effects-model 

Tek tek gemiler için basit rastgele efektleri modellemek için mgcv'de gam kullanarak toplam balık avını modellemekle ilgileniyorum (balıkçılıkta zamanla tekrarlanan yolculuklar yapıyorum). 98 denek var, bu yüzden rastgele efektleri modellemek için gamm yerine gam kullanacağımı düşündüm. Modelim: modelGOM <- gam(TotalFish ~ factor(SetYear) + factor(SetMonth) + factor(TimePeriod) + s(SST) + s(VesselID, …

10 prediction  random-effects-model  gam  mgcv 

Bana her zaman rastgele etkilerin sadece varyansı (hata) etkilediği ve sabit etkilerin sadece ortalamayı etkilediği öğretildi. Ama rastgele etkilerin ortalamayı da etkilediği bir örnek buldum - katsayı tahmini: require(nlme) set.seed(128) n <- 100 k <- 5 cat <- as.factor(rep(1:k, each = n)) cat_i <- 1:k # intercept per kategorie x …

10 r  mixed-model  random-effects-model 

Kategorik rasgele bir etkinin karışık etkiler modeli üzerindeki etkisini, gözlemlerin rasgele etki seviyesine göre kısmi bir havuzda toplaması, gözlemlerin kendilerinin bağımsız olmadığını ancak sadece kısmi havuzlarının etkili olduğunu varsayarak etkisini anlıyorum. Ayrıca benim anlayışımla, aynı rastgele etki seviyesini paylaşan ancak sabit etki seviyelerinde farklılık gösteren böyle bir model gözlemde, hem …

10 mixed-model  random-effects-model 

Yakın zamanda Genelleştirilmiş Doğrusal Karışık Modeller hakkında bilgi edinmeye başladım ve grup üyeliğini sabit ya da rastgele bir etki olarak değerlendirmek için ne gibi bir fark olduğunu keşfetmek için R'yi kullanıyordum. Özellikle, burada tartışılan örnek veri kümesine bakıyorum: http://www.ats.ucla.edu/stat/mult_pkg/glmm.htm http://www.ats.ucla.edu/stat/r/dae/melogit.htm Bu derste belirtildiği gibi, Doctor ID'nin etkisi dikkat çekicidir ve …

10 r  random-effects-model  glmm 

Genel doğrusal karışık modelde rastgele etkilerin beklenen değerlerine doğru küçültülmesi için sezgisel bir neden var mı?

10 mixed-model  random-effects-model 

İki çapraz rastgele efektim olduğunu düşündüğüm bazı verileri modelliyorum. Ancak veri kümesi dengeli değil ve bunu hesaba katmak için ne yapılması gerektiğinden emin değilim. Verilerim bir dizi etkinliktir. Bir istemci, bir görevi yerine getirmek için başarılı olan veya olmayan bir sağlayıcıyla buluştuğunda bir olay oluşur. Binlerce müşteri ve sağlayıcı vardır …

10 r  mixed-model  random-effects-model  logistic 

Rastgele bir etki modelinde küme başına gözlem sayısının mantıklı bir yanı var mı? 1,500 örnek büyüklüğünde, değiştirilebilir rasgele etki olarak modellenmiş 700 küme var. Daha az ama daha büyük kümeler oluşturmak için kümeleri birleştirme seçeneğim var. Her küme için rastgele etkiyi tahmin etmede anlamlı sonuçlar elde etmek için küme başına …

10 mixed-model  sample-size  random-effects-model  power-analysis 

Bir UCLA web sayfasında karışık etkiler lojistik regresyonu ile ilgili ifadelerle kafam karıştı . Böyle bir modele uymaktan kaynaklanan sabit etki katsayıları tablosunu gösterirler ve aşağıdaki ilk paragraf, katsayıları tam olarak normal bir lojistik regresyon gibi yorumlamaktadır. Ama sonra olasılık oranları hakkında konuştuklarında, onları rastgele etkiler üzerinde koşullu olarak yorumlamanız …

10 logistic  mixed-model  generalized-linear-model  random-effects-model 

En iyi modeli veya modelleri seçmek için AIC'yi kullanarak karışık model analizimi nasıl yürüteceğime dair literatürü araştırmaya çalıştıktan sonra bunalmış hissediyorum. Verilerimin bu kadar karmaşık olduğunu düşünmüyorum, ancak yaptığımın doğru olduğunu doğrulamak için arıyorum ve sonra nasıl ilerleyeceğiniz konusunda tavsiyede bulunuyorum. Lme veya lmer kullanmam gerekip gerekmediğinden emin değilim ve …

10 r  lme4-nlme  random-effects-model  aic 

Tekrarlanan ikili sonuçları kullanarak bir olay analizi ile uğraşmaya çalışıyorum. Etkinlik zamanının gün cinsinden ölçüldüğünü, ancak şu an için süreyi haftalara ayırdık. Tekrarlanan ikili sonuçları kullanarak bir Kaplan-Meier tahmincisine yaklaşmak istiyorum (fakat ortak değişkenlere izin vermek). Bu, dolambaçlı bir yol gibi görünecek, ancak bunun sıradan sonuçlara ve tekrarlayan olaylara nasıl …

9 mixed-model  survival  random-effects-model  recurrent-events 

Boylamsal bir çalışmada, birimlerinin sonuçları toplam sabit ölçüm olayı ile zaman noktalarında tekrar tekrar (sabit = birimler üzerindeki ölçümler aynı anda alınır).Yben tYbentY_{it}benbenitttmmm Birimler rastgele bir tedaviye, veya bir kontrol grubuna, atanır . Tedavinin ortalama etkisini tahmin etmek ve test etmek istiyorum, yani beklentilerin zaman ve bireyler arasında alındığı. Bu …

9 mixed-model  panel-data  multilevel-analysis  random-effects-model  fixed-effects-model 

Karma modelleme konusunda yeniyim ve yaptığım bir analizde rastgele bir efekt kullanmanın uygun olup olmadığı konusunda kafam karıştı. Herhangi bir tavsiye mutluluk duyacağız. çalışmam, yeni geliştirilen bir memeli bolluğu endeksinin yerleşik ancak daha emek yoğun bir endeksin değerini ne kadar iyi tahmin edebileceğini test ediyor. Bu endeksleri her orman yamasında …

9 random-effects-model  nested-data 

Ben belirli bir grup birey (3 grup var) için değişken logInd Yılın etkisi analiz etmeye çalışıyorum. En basit model: > fix1 = lm(logInd ~ 0 + Group + Year:Group, data = mydata) > summary(fix1) Call: lm(formula = logInd ~ 0 + Group + Year:Group, data = mydata) Residuals: Min 1Q …

9 r  mixed-model  lme4-nlme  random-effects-model