Als «random-effects-model» getaggte Fragen

Parameter, die den bestimmten Ebenen einer Kovariate zugeordnet sind, werden manchmal als „Effekte“ der Ebenen bezeichnet. Wenn die beobachteten Ebenen eine Zufallsstichprobe aus der Menge aller möglichen Ebenen darstellen, nennen wir diese Effekte "zufällig".

2
Anpassen eines gemischten Poisson GLM-Modells mit zufälliger Steigung und Achsenabschnitt
Ich arbeite derzeit an einer Reihe von Poisson-Zeitreihenmodellen, die versuchen, den Effekt einer Änderung der Art und Weise, wie die Zählungen erhalten wurden (Wechsel von einem Diagnosetest zu einem anderen), abzuschätzen und gleichzeitig andere Trends im Laufe der Zeit zu kontrollieren (z. B. eine allgemeine Zunahme der Inzidenz von Krankheiten). …
1
Welches Modell für einen herausfordernden Datensatz? (Hunderte von Zeitreihen mit viel Verschachtelung)
Ich habe einen ziemlich komplizierten Datensatz zu analysieren und kann keine gute Lösung dafür finden. Hier ist das Ding: 1. Die Rohdaten sind im Wesentlichen Insekten-Song-Aufnahmen. Jedes Lied besteht aus mehreren Bursts und jeder Burst aus Untereinheiten. Alle Personen wurden 5 Minuten lang aufgezeichnet. Die Anzahl der Bursts und ihre …
1
Berechnung der Interrater-Zuverlässigkeit in R mit variabler Anzahl von Bewertungen?
Wikipedia schlägt vor, dass eine Möglichkeit, die Zuverlässigkeit zwischen Bewertern zu untersuchen, darin besteht, ein Zufallseffektmodell zur Berechnung der Korrelation zwischen Klassen zu verwenden . Das Beispiel der Intraclass-Korrelation spricht vom Betrachten σ2ασ2α+σ2ϵσα2σα2+σϵ2\frac{\sigma_\alpha^2}{\sigma_\alpha^2+\sigma_\epsilon^2} von einem Modell Yij=μ+αi+ϵijYij=μ+αi+ϵijY_{ij} = \mu + \alpha_i + \epsilon_{ij} "wobei Y ij die j- te Beobachtung …
3
Können zufällige Effekte nur für kategoriale Variablen gelten?
Diese Frage mag dumm klingen, aber ... ist es richtig, dass zufällige Effekte nur für kategoriale Variablen gelten können (wie individuelle ID, Populations-ID, ...), z. B. ist eine kategoriale Variable:xixix_i ~ β x iyiyiy_iβxiβxi\beta_{x_i} ~ N o r m ( μ , δ 2 )βxiβxi\beta_{x_i}Norm(μ,δ2)Norm(μ,δ2)Norm(\mu, \delta^2) aber nach dem Prinzip …
1
Schätzungen zufälliger Effekte im Binomialmodell (lme4)
Ich simuliere Bernoulli-Versuche mit einem zufälligen zwischen Gruppen und passe dann das entsprechende Modell mit an das Paket:logitθ ∼ N.( logitθ0, 12)logitθ∼N(logitθ0,12)\text{logit}\, \theta \sim {\cal N}(\text{logit}\, \theta_0, 1^2)lme4 library(lme4) library(data.table) I <- 30 # number of groups J <- 10 # number of Bernoulli trials within each group logit <- …
1
Können wir nicht zufällige Faktoren in einem mehrstufigen / hierarchischen Design als zufällig modellieren?
Die Unterscheidung zwischen streng zufälligen Variablen (die als solche modelliert werden sollten) und nicht zufälligen Variablen, von denen einige argumentieren, dass sie als zufällig modelliert werden könnten, wenn es sich um ein hierarchisches / mehrstufiges Modell handelt, ist für mich verschwommen. Bates und Bolker veranschaulichen zufällige Effekte mit Fällen echter …
1
Sollte ich zufällige Effekte von einem Modell ausschließen, wenn sie statistisch nicht signifikant sind?
Sollte ich zufällige Effekte in ein Modell aufnehmen, auch wenn sie statistisch nicht signifikant sind? Ich habe ein experimentelles Design mit wiederholten Messungen, bei dem jeder Einzelne drei verschiedene Behandlungen in zufälliger Reihenfolge erfährt. Ich möchte die Auswirkungen von Individuum und Ordnung kontrollieren, aber keines scheint in meinen Modellen statistisch …
3
Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen
Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
1
Wie verwende ich den Hausman-Test zur Diskriminierung aufgrund des Geschlechts?
Ich versuche, das geschlechtsspezifische Lohngefälle für männliche und weibliche Büroangestellte in einem großen schwedischen Unternehmen abzuschätzen, um zu testen, ob es eine Diskriminierung aufgrund des Geschlechts gibt. Der Hausman-Test lehnt die Null ab, dass die einzelnen festen Effekte zufällig sind, und daher kann ich mich nicht auf gepoolte OLS oder …
1
Wie nahe an Null sollte die Summe der zufälligen Effekte in GLMM sein (mit lme4)
Ich verwende das lme4Paket in R, um eine logistische Modellierung mit gemischten Effekten durchzuführen. Mein Verständnis war, dass die Summe aller zufälligen Effekte Null sein sollte. Wenn ich mit Spielzeug lineare gemischte Modelle mache lmer, sind die zufälligen Effekte normalerweise < was meine Überzeugung bestätigt, dass der Aber in Spielzeug-Binomialmodellen …
2
Post-hoc-Test nach 2-Faktor-Wiederholungsmessungen ANOVA in R?
Ich habe Probleme, eine Lösung für die Durchführung eines Post-hoc-Tests (Tukey HSD) nach einer ANOVA mit 2 Faktoren (beide innerhalb der Probanden) mit wiederholten Messungen in R zu finden. Für die ANOVA habe ich die aov-Funktion verwendet: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Nachdem ich Antworten auf andere …
2
großer Unterschied zwischen den Schätzungen der binomialen Regression bei Einbeziehung des Zufallseffekts und der Nicht-Regression
Ich versuche, die durchschnittliche Punktzahl für zwei Gruppen von Studenten zu schätzen. Ich benutze ein binomiales Regressionsmodell. Dies total_ansist die Gesamtfrage, die sie beantwortet haben und die für verschiedene Schüler unterschiedlich sein kann. Modell 1 schätzt direkt model <- glm(cbind(total_correct, total_ans-total_correct) ~ student_type,family= binomial, data = df) Call: glm(formula = …
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.