Questions tagged «random-effects-model»

我目前正在研究一系列Poisson时间序列模型，试图估计计数获取方式变化的影响（从一种诊断测试转换为另一种诊断测试），同时控制一段时间内的其他趋势（例如疾病的发生率）。我有许多不同站点的数据。 虽然我也一直在修改GAM，但我已经将一系列具有时间趋势的基本GLM进行了拟合，然后汇总结果。在SAS中，此代码看起来像这样： PROC GENMOD data=work.data descending; model counts = dependent_variable time time*time / link=log dist = poisson; run; 或在R： glm(counts ~ dependent_variable + time + time*time, family="poisson") 然后进行估算，并将其汇总到各个站点中。也有人建议我尝试使用具有随机斜率的Poisson混合模型，并针对每个站点进行拦截，而不是合并。因此，从本质上讲，您将具有固定的dependent_variable效果，然后是截距和时间（或者理想情况下是时间和时间^ 2的随机效果，尽管我知道这有点毛茸茸）。 我的问题是我不知道如何适合这些模型之一，而且似乎每个人的文档突然变得很不透明，而混合模型似乎是这样。任何人都有一个简单的解释（或代码），以了解如何适应我要适应的东西以及要寻找的东西？

9 mixed-model  generalized-linear-model  poisson-distribution  random-effects-model 

我要分析的数据集非常复杂，我找不到适合的解决方案。 这是东西： 1.原始数据实质上是昆虫歌曲的录音。每首歌曲均由多个突发组成，而每个突发均由子单元组成。所有个人都记录了5分钟。个体之间的猝发数及其在录音中的位置以及每个猝发的子单元数可能会非常不同。 2.我有每个子单元的载波频率（基本频率），这就是我要分析的内容。 我的问题： 1.突发中的频率显然不是独立的（尽管它相当稳定，但是子单元n-1的频率会影响子单元n）。 2.突发在录音中也不是独立的。 3.随着频率随着时间的推移而下降，它们变得更加独立（个人厌倦了唱歌，因此歌曲的频率越来越低）。下降似乎是线性的。 4.嵌套=我在A和B两个位置有3个重复种群。所以我有A1，A2，A3和B1，B2，B3。 我想做的是： 1.表征两个地点之间的频率差异（进行统计测试） 2.刻画两个位置之间的频率下降特性（看看其中之一下降得更快） 怎么做： 那就是为什么我需要帮助：我不知道。看来，我的案例结合了通常看不到的问题。我已经读过关于混合模型，关于GAM，关于ARIMA，随机和固定效果的信息，但是我不能真正确定做到这一点的最佳方法。当我绘制它的频率（频率〜子单元编号n）时，两个位置之间的差异非常明显。我还必须考虑其他变量，例如温度（使频率更高）等。 我想到了： 将个体嵌套在其来源的副本中，然后将副本嵌套在位置（单个/副本/位置）中。 使用随机的“突发”效果，因此我考虑了每个突发中的可变性。 使用固定的“记录中的突发位置”效果来测量频率下降（希望它实际上是线性的）。 正确吗？ 我可以在这种情况下使用一种特殊类型的模型吗？

9 time-series  mixed-model  repeated-measures  random-effects-model 

Wikipedia建议，查看评估者之间可靠性的一种方法是使用随机效应模型来计算类内相关性。类内相关的例子讨论了看 σ2ασ2α+σ2ϵσα2σα2+σϵ2\frac{\sigma_\alpha^2}{\sigma_\alpha^2+\sigma_\epsilon^2} 从模型 Yij=μ+αi+ϵijYij=μ+αi+ϵijY_{ij} = \mu + \alpha_i + \epsilon_{ij} “其中Y ij是第 i 组的第 j 个观测值，μ是未观察到的总体均值，αi是组i中所有值共享的未观察到的随机效应，而εij是未观察到的噪声项。” 这是一个有吸引力的模型，尤其是因为在我的数据中，没有任何评分者对所有事物进行了评分（尽管大多数人的评分为20+），并且事物的评分次数是可变的（通常为3-4）。 问题＃0：在该示例中，“组i”（“组i”）是否是一组被评级的事物？ 问题＃1：如果我正在寻找评估者之间的可靠性，我是否不需要一个包含两个术语的随机效应模型，一个用于评估者，一个用于评估的事物？毕竟，两者都有可能发生变化。 问题2：如何最好地用R表达此模型？ 这个问题似乎有一个不错的建议： lmer(measurement ~ 1 + (1 | subject) + (1 | site), mydata) 我看了几个 问题，而lme的“ random”参数的语法对我来说是不透明的。我阅读了lme的帮助页面，但是没有示例，我对“随机”的描述是难以理解的。 这个问题有点类似于一个长 名单的问题，与此最接近的一次。但是，大多数都没有详细介绍R。

9 r  reliability  random-effects-model  agreement-statistics 

这个问题听起来可能很愚蠢，但是... 随机效应仅适用于分类变量（例如个体ID，人口ID等）是正确的吗，例如说是分类变量：X一世X一世x_i ÿ一世ÿ一世y_i〜βX一世βX一世\beta_{x_i} βX一世βX一世\beta_{x_i}〜ñø ř 米（μ ，δ2）ñØ[R米（μ，δ2）Norm(\mu, \delta^2) 但是根据原理，随机效应不能应用于连续变量（例如高度，质量...），例如：ž一世ž一世z_i ÿ一世ÿ一世y_i〜α + β⋅ž一世α+β⋅ž一世\alpha + \beta \cdot z_{i} 因为只有一个系数不能约束？听起来合乎逻辑，但我想知道为什么统计文献中从未提及它！谢谢！ββ\beta 编辑：但是如果我约束像〜？那是随机效应吗？但这与我对施加的约束不同-在这里，我约束变量，而在前面的示例中，我约束了系数！对我来说，它开始看起来像是一团糟。。。不管怎么说，放这个约束没有多大意义，因为是已知值，所以也许这个想法很奇怪:-)ž一世ž一世z_iž一世ž一世z_iñø ř 米（μ ，δ2）ñØ[R米（μ，δ2）Norm(\mu, \delta^2)βX一世βX一世\beta_{x_i}ž一世ž一世z_i

9 mixed-model  categorical-data  continuous-data  random-effects-model