I modelli misti (effetti) lineari generalizzati vengono generalmente utilizzati per modellare dati non normali non indipendenti (ad es. Dati binari longitudinali).
Sto cercando di capire quando usare un effetto casuale e quando non è necessario. Mi è stato detto che una regola empirica è se hai 4 o più gruppi / individui che faccio (15 alci individuali). Alcuni di questi alci sono stati sperimentati 2 o 3 volte per un totale …
Mi chiedo quali siano le differenze tra GLM misti e non miscelati. Ad esempio, in SPSS il menu a discesa consente agli utenti di adattare: analyze-> generalized linear models-> generalized linear models & analyze-> mixed models-> generalized linear Trattano diversamente i valori mancanti? La mia variabile dipendente è binaria e …
Attualmente sto lottando per trovare il modello giusto per dati di conteggio difficili (variabile dipendente). Ho provato vari modelli diversi (i modelli di effetti misti sono necessari per il mio tipo di dati) come lmere lme4(con una trasformazione logaritmica) nonché modelli di effetti misti lineari generalizzati con varie famiglie come …
Abbiamo eseguito una regressione logistica a effetti misti utilizzando la sintassi seguente; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Oggetto e oggetto sono gli effetti casuali. Stiamo ottenendo un risultato dispari che è il coefficiente …
Ho un esperimento di misure ripetute in cui la variabile dipendente è una percentuale e ho più fattori come variabili indipendenti. Mi piacerebbe usare glmerdal pacchetto R lme4per trattarlo come un problema di regressione logistica (specificando family=binomial) poiché sembra adattarsi direttamente a questa configurazione. I miei dati si presentano così: …
Ho un GLMM con una distribuzione binomiale e una funzione di collegamento logit e ho la sensazione che un aspetto importante dei dati non sia ben rappresentato nel modello. Per verificarlo, vorrei sapere se i dati sono ben descritti o meno da una funzione lineare sulla scala logit. Quindi, vorrei …
Sto usando la glmerfunzione dal lme4pacchetto in R, e sto usando l' bobyqaottimizzatore (cioè il valore predefinito nel mio caso). Ricevo un avviso e sono curioso di sapere cosa significhi. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust …
Sto cercando di utilizzare lme4::glmer()per adattare un modello misto generalizzato binomiale (GLMM) con una variabile dipendente che non è binaria, ma una variabile continua tra zero e uno. Si può pensare a questa variabile come a una probabilità; in effetti è la probabilità riportata da soggetti umani (in un esperimento …
Ho un set di dati in cui la variabile che vorrei usare come effetto casuale ha una sola osservazione per alcuni livelli. Sulla base delle risposte alle domande precedenti, ho raccolto che, in linea di principio, questo può andare bene. Posso adattare un modello misto a soggetti che hanno solo …
Sto eseguendo un modello di regressione logistica nel modulo: lmer(response~1+(1|site), family=binomial, REML = FALSE) Normalmente calcolerei l'ICC dall'intercettazione e dalle varianze residue, ma il riepilogo del modello non include la varianza residua. Come posso calcolarlo?
Ho incontrato una serie di domande pratiche durante la modellizzazione dei dati di conteggio provenienti dalla ricerca sperimentale utilizzando un esperimento all'interno del soggetto. Descrivo brevemente l'esperimento, i dati e ciò che ho fatto finora, seguito dalle mie domande. Quattro film diversi sono stati mostrati in sequenza a un campione …
Ho il seguente modello: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... e questo è l'output di riepilogo. > summary(model1) Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop + (1 | landscape) AIC BIC logLik deviance 4057 4088 -2019 …
Nella ricerca di qualsiasi informazione sul modello marginale e sul modello a effetti casuali e su come scegliere tra questi, ho trovato alcune informazioni ma era una spiegazione astratta più o meno matematica (come ad esempio qui: https: //stats.stackexchange .com / a / 68753/38080 ). Da qualche parte ho scoperto …
Ho una regressione logistica di intercettazione casuale (dovuta a misurazioni ripetute) e vorrei fare un po 'di diagnostica, in particolare riguardo a valori anomali e osservazioni influenti. Ho guardato i residui per vedere se ci sono osservazioni che si distinguono. Ma vorrei anche guardare qualcosa come la distanza di Cook …
Spero che qualcuno possa aiutare con quella che penso sia una domanda relativamente semplice, e penso di conoscere la risposta, ma senza conferma è diventata qualcosa di cui non posso essere certo. Ho alcuni dati di conteggio come variabile di risposta e voglio misurare come cambia quella variabile con la …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.