Domande taggate «multilevel-analysis»

Analisi statistica di set di dati comprendenti diversi livelli di gerarchia (ad es. Studenti nidificati in classi nidificate in scuole o previsioni gerarchiche). Per domande sui modelli misti utilizzare il tag [modello misto]. Per effetti casuali nidificati, utilizzare [dati nidificati].

1
Diviso tra PET-PEESE e approcci multilivello alla meta-analisi: esiste un mezzo felice?
Attualmente sto lavorando a una meta-analisi, per la quale ho bisogno di analizzare più dimensioni di effetto nidificate all'interno dei campioni. Sono parziale dell'approccio di meta-analisi a tre livelli di Cheung (2014) alla meta-analisi delle dimensioni degli effetti dipendenti, al contrario di alcune delle altre possibili strategie (ad esempio, ignorare …
1
Notazione per la modellazione multilivello
La formula che uno deve specificare per allenare un modello multilivello (usando lmerdalla lme4 Rlibreria) mi dà sempre. Ho letto innumerevoli libri di testo ed esercitazioni, ma non l'ho mai capito bene. Quindi, ecco un esempio di questo tutorial che vorrei vedere formulato in un'equazione. Stiamo cercando di modellare la …
3
Modello multilivello vs. modelli separati per ogni livello
Quali sono i vantaggi e gli svantaggi dell'esecuzione di modelli separati rispetto alla modellazione multilivello? Più in particolare, supponiamo che uno studio abbia esaminato i pazienti nidificati nelle pratiche dei medici nidificati all'interno dei paesi. Quali sono i vantaggi / gli svantaggi della gestione di modelli separati per ciascun paese …
2
Qual è il modo migliore per stimare l'effetto medio del trattamento in uno studio longitudinale?
In uno studio longitudinale, i risultati delle unità vengono misurati ripetutamente nei punti temporali con un totale di occasioni di misurazione fisse (fisse = le misurazioni sulle unità vengono eseguite contemporaneamente).YitYitY_{it}iiitttmmm Le unità vengono assegnate in modo casuale a un trattamento, o a un gruppo di controllo, . Voglio stimare …
2
Bootstrap parametrico, semiparametrico e non parametrico per modelli misti
I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto. Codice R Ecco il mio Rcodice: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …
9 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 
2
Una distanza deve essere una "metrica" ​​affinché un cluster gerarchico sia valido su di esso?
Diciamo che definiamo una distanza, che non è una metrica , tra N elementi. Sulla base di questa distanza utilizziamo quindi un cluster gerarchico agglomerativo . È possibile utilizzare ciascuno degli algoritmi noti (collegamento singolo / massimo / avaerage, ecc.) Per ottenere risultati significativi? O in altre parole, qual è …
2
Calcola la curva ROC per i dati
Quindi, ho 16 prove in cui sto cercando di autenticare una persona da un tratto biometrico usando Hamming Distance. La mia soglia è impostata su 3,5. I miei dati sono di seguito e solo la versione di prova 1 è un vero positivo: Trial Hamming Distance 1 0.34 2 0.37 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
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.