Domande taggate «mixed-model»

I modelli misti (aka multilivello o gerarchici) sono modelli lineari che includono sia effetti fissi che casuali. Sono utilizzati per modellare dati longitudinali o nidificati.

2
tecniche di apprendimento automatico per dati longitudinali
Mi chiedevo se esistessero tecniche di apprendimento automatico (senza supervisione) per la modellazione di dati longitudinali? Ho sempre usato modelli di effetti misti (per lo più non lineari) ma mi chiedevo se ci fossero altri modi per farlo (usando l'apprendimento automatico). Per apprendimento automatico, intendo foresta casuale, classificazione / raggruppamento, …
2
Perché la massima probabilità limitata produce una stima (imparziale) migliore della varianza?
Sto leggendo il documento teorico di Doug Bates sul pacchetto lme4 di R per capire meglio l'astuzia dei modelli misti, e ho trovato un risultato intrigante che mi piacerebbe capire meglio, sull'utilizzo di REML (Limite massima verosimiglianza) per stimare la varianza . Nella sezione 3.3 sul criterio REML, afferma che …
2
ottenere gradi di libertà da Lmer
Ho adattato un modello lmer con il seguente (anche se prodotto in uscita): Random effects: Groups Name Std.Dev. day:sample (Intercept) 0.09 sample (Intercept) 0.42 Residual 0.023 Mi piacerebbe davvero costruire un intervallo di confidenza per ciascun effetto usando la seguente formula: ( n - 1 ) s2χ2α / 2 , …
2
Qual è l'equivalente di lme4 :: lmer di un ANOVA a tre misure ripetute?
La mia domanda si basa su questa risposta che ha mostrato quale lme4::lmermodello corrisponde a una misura ripetuta a due vie ANOVA: require(lme4) set.seed(1234) d <- data.frame( y = rnorm(96), subject = factor(rep(1:12, 4)), a = factor(rep(1:2, each=24)), b = factor(rep(rep(1:2, each=12))), c = factor(rep(rep(1:2, each=48)))) # standard two-way repeated …
2
Modello di intercettazione casuale vs. GEE
Considera un modello lineare di intercettazione casuale. Ciò equivale alla regressione lineare GEE con una matrice di correlazione di lavoro intercambiabile. Supponiamo che i predittori siano e e i coefficienti per questi predittori siano , e . Qual è l'interpretazione per i coefficienti nel modello di intercettazione casuale? È uguale …
1
Modello marginale contro modello a effetti casuali: come scegliere tra di loro? Un consiglio per un laico
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 …
2
Modelli misti lineari generalizzati: diagnostica
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 …
1
Perché il bootstrap dei residui da un modello a effetti misti produce intervalli di confidenza anti-conservatori?
In genere mi occupo di dati in cui più individui vengono misurati più volte in ciascuna di 2 o più condizioni. Recentemente ho giocato con la modellazione di effetti misti per valutare l'evidenza delle differenze tra le condizioni, la modellazioneindividual come un effetto casuale. Per visualizzare l'incertezza riguardo alle previsioni …
1
R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?
Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.