คำถามติดแท็ก mixed-model

เพื่อนร่วมงานของฉันและฉันกำลังปรับรุ่นของเอฟเฟกต์แบบผสมทั้งแบบเชิงเส้นและแบบไม่เชิงเส้นในอาร์เราถูกขอให้ทำการตรวจสอบความถูกต้องของแบบจำลองที่มีการติดตั้งเพื่อให้สามารถตรวจสอบได้ว่า นี่เป็นภารกิจที่ไม่สำคัญ แต่ในกรณีของเราเราต้องแบ่งข้อมูลทั้งหมดออกเป็นส่วนการฝึกอบรมและส่วนการทดสอบ (สำหรับจุดประสงค์ CV) ที่ไม่มีระดับร่วมกัน ตัวอย่างเช่น, ข้อมูลการฝึกอบรมอาจขึ้นอยู่กับกลุ่ม 1,2,3,4; โมเดลที่ถูกติดตั้งจะถูกตรวจสอบความถูกต้องข้ามกลุ่ม 5 ดังนั้นสิ่งนี้จึงสร้างปัญหาเนื่องจากเอฟเฟกต์แบบกลุ่มอ้างอิงที่ประเมินจากข้อมูลการฝึกอบรมไม่ได้ใช้กับข้อมูลการทดสอบ ดังนั้นเราไม่สามารถ CV โมเดล มีวิธีแก้ปัญหาที่ค่อนข้างตรงไปตรงมาหรือไม่? หรือมีใครเขียนแพคเกจเพื่อแก้ไขปัญหานี้หรือยัง คำใบ้ใด ๆ ยินดีต้อนรับ! ขอบคุณ!

9 mixed-model  cross-validation 

คำถามนี้อาจฟังดูงี่เง่า แต่ ... ถูกต้องหรือไม่ว่าเอฟเฟกต์แบบสุ่มสามารถใช้กับตัวแปรเด็ดขาดเท่านั้น (เช่นรหัสบุคคล, รหัสประชากร, ... ) เช่นพูดxผมxix_i เป็นตัวแปรเด็ดขาด: Yผมyiy_i ~ βxผมβxi\beta_{x_i} βxผมβxi\beta_{x_i} ~ ยังไม่มีข้อความo r m ( μ ,δ2)Norm(μ,δ2)Norm(\mu, \delta^2) แต่จากหลักการแล้วเอฟเฟกต์แบบสุ่มไม่สามารถใช้กับตัวแปรต่อเนื่อง (เช่นความสูงมวล ... ) ได้Zผมziz_i: Yผมyiy_i ~ α + β⋅Zผมα+β⋅zi\alpha + \beta \cdot z_{i} เพราะมีค่าสัมประสิทธิ์เดียวเท่านั้น ββ\betaข้อใดไม่ถูก จำกัด ฟังดูมีเหตุผล แต่ฉันสงสัยว่าทำไมมันถึงไม่เคยถูกกล่าวถึงในวรรณคดีเชิงสถิติ! ขอบคุณ! แก้ไข:แต่ถ้าฉัน จำกัดziziz_i ชอบ ziziz_i ~ Norm(μ,δ2)Norm(μ,δ2)Norm(\mu, \delta^2)? มันมีผลแบบสุ่มหรือไม่? …

9 mixed-model  categorical-data  continuous-data  random-effects-model 

ฉันถูกขอให้วิเคราะห์ข้อมูลบางอย่างจากการทดลองทางคลินิกโดยหาวิธีสองวิธีในการวัดความดันโลหิต ฉันมีข้อมูลจาก 50 วิชาโดยแต่ละรายการมีค่าระหว่าง 2 และ 57 มาตรการโดยใช้แต่ละวิธี ฉันสงสัยว่าจะทำอย่างไรดีที่สุด เห็นได้ชัดว่าฉันต้องการวิธีการแก้ปัญหาที่จะคำนึงถึงความจริงที่ว่าการวัดความดันโลหิตถูกจับคู่ (สองวิธีที่วัดพร้อมกัน) และเวลาที่แปรเปลี่ยนโควาเรียต (มีจำนวนการสังเกตต่อผู้ป่วยที่แตกต่างกัน ความแปรปรวนของผู้ป่วย ฉันกำลังคิดที่จะหยุดเรื่องรองเท้านี้เป็นมาตรการ ANOVA ซ้ำ ๆ แต่ฉันคิดว่ามันอาจจะต้องเป็นแบบจำลองผสม ฉันขอขอบคุณคำแนะนำที่เป็นประโยชน์ที่คุณสามารถให้ได้ ฉันเป็นมือใหม่ R ที่สมบูรณ์ แต่ตื่นเต้นมากที่จะพัฒนาทักษะและฉันมีประสบการณ์ปานกลางใน Stata ดังนั้นก็สามารถถอยกลับไปได้เสมอ

9 r  anova  mixed-model  stata 

พิจารณาการทดสอบกับผู้เข้าร่วมหลายคนแต่ละคนวัดหลายครั้งในสองเงื่อนไข รูปแบบเอฟเฟกต์แบบผสมสามารถกำหนดได้ (ใช้ไวยากรณ์lme4 ) เป็น: fit = lmer( formula = measure ~ (1|participant) + condition ) ตอนนี้บอกว่าฉันต้องการสร้างช่วงความมั่นใจบูตสแตรปสำหรับการคาดการณ์ของรุ่นนี้ ฉันคิดว่าฉันคิดวิธีที่ง่ายและมีประสิทธิภาพในการคำนวณและฉันแน่ใจว่าฉันไม่ใช่คนแรกที่คิด แต่ฉันมีปัญหาในการค้นหาสิ่งพิมพ์ก่อนหน้าใด ๆ ที่อธิบายวิธีการนี้ นี่มันคือ: พอดีกับรุ่น (ตามด้านบน) เรียกสิ่งนี้ว่า "แบบจำลองดั้งเดิม" รับการทำนายจากแบบจำลองต้นฉบับเรียกว่า "การคาดการณ์ดั้งเดิม" เหล่านี้ รับส่วนที่เหลือจากรูปแบบดั้งเดิมที่เชื่อมโยงกับการตอบสนองแต่ละครั้งจากผู้เข้าร่วมแต่ละคน resample the residual, สุ่มตัวอย่างผู้เข้าร่วมที่มีการแทนที่ พอดีกับโมเดลเอฟเฟกต์แบบเชิงเส้นที่มีข้อผิดพลาดแบบเกาส์กับส่วนที่เหลือเรียกสิ่งนี้ว่า "โมเดลชั่วคราว" คำนวณการทำนายจากตัวแบบชั่วคราวสำหรับแต่ละเงื่อนไข (การคาดการณ์เหล่านี้จะใกล้เคียงกับศูนย์มาก) เรียกสิ่งเหล่านี้ว่า "การทำนายระหว่างกาล" เพิ่มการคาดการณ์ระหว่างกาลลงในการคาดการณ์ดั้งเดิมเรียกผลการค้นหา "resample ทำนาย" ทำซ้ำขั้นตอนที่ 4 ถึง 7 หลาย ๆ ครั้งสร้างการกระจายการคาดการณ์ตัวอย่างสำหรับแต่ละเงื่อนไขซึ่งครั้งหนึ่งสามารถคำนวณ …

9 mixed-model  bootstrap 

ฉัน scoured Google และเว็บไซต์นี้และฉันยังคงสับสนเกี่ยวกับฟังก์ชัน lmer ในไลบรารี lme4 ฉันมีข้อมูลบางอย่างที่เก็บรวบรวมจากหอผู้ป่วยจิตเวชที่แตกต่างกันซึ่งมีโครงสร้างหลายระดับ เพื่อให้ง่ายขึ้นฉันจะเลือกตัวแปรสองระดับ 2 และสองระดับ 1 แม้ว่าฉันจะมีอีกไม่กี่ตัว Level 2- WardSize [นี่คือจำนวนผู้คนในวอร์ด] & WAS [นี่คือการวัดความดี "วอร์ด" ของวอร์ด] ตัวแปรการจัดกลุ่มที่บอก R ว่าใครในวอร์ดเรียกว่า "วอร์ด" ระดับหนึ่ง - เพศ [นี่คือเพศชัดเจน] & BSITotal [นี่คือการวัดความรุนแรงของอาการ] ผลลัพธ์คือ Selfreject ซึ่งอีกครั้งคือสิ่งที่ดูเหมือน ฉันมีสูตรนี้: ความช่วยเหลือ = lmer (สูตร = Selfreject ~ WardSize + WAS + เพศ + …

9 r  mixed-model  lme4-nlme 

ฉันกำลังทำการศึกษาแบบจำลองที่ต้องใช้การประเมินการบูตแบบจำลองที่ได้จากโมเดลเชิงเส้นเชิงเส้นแบบทั่วไป ในการทำการศึกษาให้ดีนั้นจะต้องใช้แบบจำลองประมาณ 1,000 ครั้งโดยมี 1,000 หรือ 1,500 บูตสแตรปแบบจำลองในแต่ละครั้ง คอมพิวเตอร์ของฉันใช้เวลานานพอสมควร (หลายวัน) How can I speed up the computation of these fixed effects? โดยเฉพาะอย่างยิ่งฉันมีวิชาที่วัดซ้ำ ๆ ในสามวิธีก่อให้เกิดตัวแปร X, M, และ Y โดยที่ X และ M ต่อเนื่องและ Y เป็นเลขฐานสอง เรามีสมการการถดถอยสองตัว Y ^ * = \ beta_0 + \ beta_1X + \ beta_2M + \ …

9 r  mixed-model 

ฉันมีชุดข้อมูลที่มีขนาดใหญ่มากซึ่งฉันได้ทำการวัดซ้ำหลายครั้งในแต่ละสถานที่ บางตำแหน่งอาจมีจุดข้อมูล 10 จุดและบางตำแหน่งมีเพียงจุดข้อมูล 1 จุด ฉันพอดีกับโมเดลผสมและใช้ตำแหน่งเป็นเอฟเฟกต์แบบสุ่ม คำถามของฉันคือฉันยังสามารถใช้ตำแหน่งที่มีเพียง 1 จุดข้อมูล (เนื่องจากคุณไม่สามารถสร้างบรรทัดการถดถอยด้วยข้อมูลเพียง 1) หรือฉันควรยกเว้นสถานที่เหล่านั้นหรือไม่

8 mixed-model  multilevel-analysis