Als «mixed-model» getaggte Fragen

Gemischte (auch als mehrstufige oder hierarchische) Modelle sind lineare Modelle, die sowohl feste als auch zufällige Effekte enthalten. Sie werden verwendet, um longitudinale oder verschachtelte Daten zu modellieren.

1
Testen simultaner und verzögerter Effekte in longitudinalen gemischten Modellen mit zeitlich variierenden Kovariaten
Kürzlich wurde mir gesagt, dass es nicht möglich ist, zeitvariable Kovariaten in longitudinale gemischte Modelle einzubeziehen, ohne eine Zeitverzögerung für diese Kovariaten einzuführen. Können Sie dies bestätigen / ablehnen? Haben Sie Hinweise zu dieser Situation? Ich schlage eine einfache Situation zur Klärung vor. Angenommen, ich habe quantitative Messungen (etwa 30 …
1
Wiederholte Maßnahmen anova: lm vs lmer
Ich versuche, mehrere Interaktionstests zwischen beiden lmund lmerwiederholten Messungen (2x2x2) zu reproduzieren. Der Grund, warum ich beide Methoden vergleichen möchte, ist, dass das GLM von SPSS für wiederholte Messungen genau die gleichen Ergebnisse liefert wie der lmhier vorgestellte Ansatz. Am Ende möchte ich SPSS mit R-lmer vergleichen. Bisher habe ich …
1
Modellmatrizen für Modelle mit gemischten Effekten
In der lmerFunktion in lme4in Rgibt es einen Aufruf zum Erstellen einer Modellmatrix von Zufallseffekten , wie hier auf den Seiten 7 bis 9 erläutert .ZZZ Die Berechnung von beinhaltet KhatriRao- und / oder Kronecker-Produkte aus zwei Matrizen, J_i und X_i . ZZZJiJiJ_iXiXiX_i Die Matrix JiJiJ_i ist ein Schluck: "Indikatormatrix …
1
Post-hoc-Tests in multcomp :: glht für Modelle mit gemischten Effekten (lme4) mit Wechselwirkungen
Ich führe Post-hoc-Tests an einem linearen Mischeffektmodell in R( lme4Paket) durch. Ich verwende multcompPaket ( glht()Funktion), um die Post-Hoc-Tests durchzuführen. Mein experimenteller Entwurf besteht aus wiederholten Messungen mit einem zufälligen Blockeffekt. Die Modelle sind wie folgt spezifiziert: mymod <- lmer(variable ~ treatment * time + (1|block), data = mydata, REML …
1
Intraclass-Korrelationskoeffizient im gemischten Modell mit zufälligen Steigungen
Ich habe das folgende Modell , m_plotausgestattet mit lme4::lmermit gekreuzten zufälligen Effekten für die Teilnehmer ( lfdn) und Artikel ( content): Random effects: Groups Name Variance Std.Dev. Corr lfdn (Intercept) 172.173 13.121 role1 62.351 7.896 0.03 inference1 24.640 4.964 0.08 -0.30 inference2 52.366 7.236 -0.05 0.17 -0.83 inference3 21.295 4.615 …
2
Sind Freiheitsgrade in lmerTest :: anova korrekt? Sie unterscheiden sich sehr von RM-ANOVA
Ich analysiere die Ergebnisse eines Reaktionszeitversuchs in R. Ich führte eine ANOVA mit wiederholten Messungen durch (1 Faktor innerhalb des Subjekts mit 2 Stufen und 1 Faktor zwischen den Subjekten mit 2 Stufen). Ich habe ein ähnliches lineares gemischtes Modell ausgeführt und wollte die früheren Ergebnisse in Form einer ANOVA-Tabelle …
4
Gemischte Modellidee und Bayes'sche Methode
Im gemischten Modell nehmen wir an, dass die zufälligen Effekte (Parameter) Zufallsvariablen sind, die Normalverteilungen folgen. Es sieht der Bayes'schen Methode sehr ähnlich, bei der alle Parameter als zufällig angenommen werden. Ist das Zufallseffektmodell also ein Sonderfall der Bayes'schen Methode?
1
Wie baue ich einen innovativen Ausreißer bei Beobachtung 48 in mein ARIMA-Modell ein?
Ich arbeite an einem Datensatz. Nachdem ich einige Modellidentifikationstechniken angewendet hatte, kam ich mit einem ARIMA (0,2,1) -Modell heraus. Ich habe die detectIOFunktion im Paket TSAin R verwendet, um bei der 48. Beobachtung meines ursprünglichen Datensatzes einen innovativen Ausreißer (IO) zu erkennen . Wie kann ich diesen Ausreißer in mein …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 
1
Verständnis der Wirkung eines kontinuierlichen Zufallsfaktors in einem Modell mit gemischten Effekten
Ich verstehe die Auswirkung eines kategorialen Zufallseffekts auf ein Modell mit gemischten Effekten darin, dass es eine teilweise Zusammenfassung der Beobachtungen nach Ebene des zufälligen Effekts durchführt, wobei effektiv angenommen wird, dass die Beobachtungen selbst nicht unabhängig sind, sondern nur ihre Teilpools. Nach meinem Verständnis überwiegen in einem solchen Modell …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.