«mixed-model» 태그된 질문

종단 데이터 모델링을위한 머신 러닝 기술 (비 관리)이 있는지 궁금합니다. 저는 항상 혼합 효과 모델 (주로 비선형)을 사용했지만 다른 방법 (기계 학습 사용)이 있는지 궁금합니다. 머신 러닝이란 랜덤 임산, 분류 / 클러스터링, 의사 결정 트리, 심지어 딥 러닝 등을 의미합니다.

11 machine-learning  mixed-model 

나는 R의 lme4 패키지에 대한 Doug Bates의 이론 논문 을 읽고 혼합 모델의 핵심을 더 잘 이해하고 있으며 제한된 최대 우도 (REML)를 사용하여 분산을 추정하는 것에 대해 더 잘 이해하고 싶은 흥미로운 결과를 발견했습니다. . REML 기준의 3.3 절에서 분산 추정에 REML을 사용하는 것은 적합 선형 모형의 잔차 편차로부터 분산을 …

11 maximum-likelihood  mixed-model  unbiased-estimator  hierarchical-bayesian  reml 

나는 출력을 구성했지만 다음과 같은 lmer 모델을 적합시켰다. Random effects: Groups Name Std.Dev. day:sample (Intercept) 0.09 sample (Intercept) 0.42 Residual 0.023 다음 공식을 사용하여 각 효과에 대한 신뢰 구간을 만들고 싶습니다. ( n - 1 ) s2χ2α / 2 , n - 1, ( n - 1 ) s2χ21 − …

11 lme4-nlme  mixed-model 

선형 혼합 효과 모델의 공식을 지정하려고합니다. lme4실험 설계 )에 대한 하지만 제대로하고 있는지 확실하지 않습니다. 디자인 : 기본적으로 나는 식물에 대한 반응 매개 변수를 측정하고 있습니다. 나는 4 가지 수준의 치료와 2 가지 관개 수준을 가지고 있습니다. 식물은 16 개의 플롯으로 그룹화되며, 각 플롯 I에서 4 개의 하위 플롯을 샘플링합니다. …

11 r  experiment-design  mixed-model 

내 질문은 이lme4::lmer 모델이 양방향 반복 측정 ANOVA에 해당 하는 모델 을 보여준 이 응답 을 기반으로 합니다 . 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 measures ANOVA: summary(aov(y~a*b+Error(subject/(a*b)), …

11 r  anova  mixed-model  repeated-measures  lme4-nlme 

랜덤 절편 선형 모형을 고려하십시오. 이것은 교환 가능한 작업 상관 행렬을 사용하는 GEE 선형 회귀와 같습니다. 예측 변수가 및 이고 이러한 예측 변수의 계수가 , 및 합니다. 랜덤 절편 모델의 계수에 대한 해석은 무엇입니까? 개별 수준에 있다는 점을 제외하고 GEE 선형 회귀와 동일합니까?x 3 β 1 β 2 β 3엑스1, …

11 mixed-model 

R의 다단계 모델을 사용하여 복잡한 측량 데이터를 분석하는 방법에 대한 조언을 찾고 있습니다. survey패키지를 단일 수준 모델에서 선택의 비 균등 한 확률로 가중치를 사용 했지만이 패키지에는 다단계 모델링 기능이 없습니다. 이 lme4패키지는 다단계 모델링에는 적합하지만 다른 수준의 클러스터링에 가중치를 포함시키는 방법은 없습니다. Asparouhov (2006) 는 문제를 설정합니다. 다단계 모델은 클러스터 …

11 r  mixed-model  weighted-sampling  cluster-sample 

marginal model 과 random-effects model 에 대한 정보 와 그 중에서 선택하는 방법을 찾을 때 일부 정보를 찾았지만 수학적 추상 설명 (예 : https : //stats.stackexchange .com / a / 68753 / 38080 ). 어딘가 에서이 두 가지 방법 / 모델 ( http://www.biomedcentral.com/1471-2288/2/15/ ) 사이의 매개 변수 추정치 사이에 실질적인 …

11 mixed-model  random-effects-model  glmm  gee  marginal-model 

임의의 가로 채기 로지스틱 회귀 분석 (반복 된 측정으로 인해)이 있으며 특이 치 및 영향력있는 관측에 관한 진단을하고 싶습니다. 눈에 띄는 관측치가 있는지 알아보기 위해 잔차를 살펴 보았습니다. 그러나 나는 또한 Cook의 거리 또는 DFFITS와 같은 것을보고 싶습니다. Hosmer와 Lemeshow (2000)는 상관 된 데이터에 대한 모델 진단 도구가 없기 때문에 …

11 mixed-model  outliers  glmm  cooks-distance 

lme4혼합 효과 회귀에 적합 multcomp하고 쌍별 비교를 계산하는 데 사용 하고 싶습니다 . 여러 개의 연속적이고 범주 형 예측 변수가있는 복잡한 데이터 세트가 있지만 내장 ChickWeight데이터 세트를 예로 사용하여 질문을 시연 할 수 있습니다 . m <- lmer(weight ~ Time * Diet + (1 | Chick), data=ChickWeight, REML=F) Time연속적이고 Diet범주 …

11 r  mixed-model  multiple-comparisons 

나는 일반적으로 두 개 이상의 조건에서 여러 개인이 각각 여러 번 측정되는 데이터를 처리합니다. 최근에는 혼합 효과 모델링을 사용하여 조건 간의 차이에 대한 증거를 평가 individual하고 무작위 효과로 모델링 했습니다. 이러한 모델링의 예측에 관한 불확실성을 시각화하기 위해 부트 스트랩을 사용하고 있습니다. 부트 스트랩을 사용할 때마다 개별적으로 부트 스트랩을 반복 할 …

11 confidence-interval  mixed-model  bootstrap  monte-carlo  simulation 

혼합 분산 분석을 사용하여 연속 종속 변수를 사용하여 사전 사후 처리 제어 설계를 분석하기로 선택한 경우 처리 그룹에있는 효과를 정량화하는 다양한 방법이 있습니다. 상호 작용 효과는 하나의 주요 옵션입니다. 일반적으로 Cohen의 d 유형 측정법 (예 : )이 특히 좋습니다. 그룹의 상대 표본 크기와 같은 관련이없는 요소에 따라 결과가 달라지기 때문에 …

11 anova  mixed-model  effect-size  cohens-d 

기본적으로 다음과 같은 2 년의 데이터가 있습니다. 날짜 _ __ 폭력 Y / N? _ 환자 수 2008 년 1 월 1 일 _ ___ 0 __ _ __ _ ____ 11 2008 년 2 월 1 일 _ __ _ 0 _ __ _ __ _ __ 11 2008 …

11 r  mixed-model  autocorrelation  panel-data 

선형 혼합 효과 모델은 그룹으로 수집 및 요약 된 데이터에 대한 선형 회귀 모델의 확장입니다. 주요 장점은 계수가 하나 이상의 그룹 변수와 관련하여 달라질 수 있다는 것입니다. 그러나 혼합 효과 모델을 사용할 때 어려움을 겪고 있습니까? 나는 극단적 인 경우 장난감 예제를 사용하여 내 질문을 정교하게 할 것입니다. 동물의 키와 …

11 regression  mixed-model  random-effects-model  linear 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

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