Preguntas etiquetadas con mixed-model

Los modelos mixtos (también conocidos como multinivel o jerárquicos) son modelos lineales que incluyen efectos fijos y efectos aleatorios. Se utilizan para modelar datos longitudinales o anidados.

2
¿Por qué obtengo una variación cero de un efecto aleatorio en mi modelo mixto, a pesar de alguna variación en los datos?
Hemos ejecutado una regresión logística de efectos mixtos utilizando la siguiente sintaxis; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Sujeto y elemento son los efectos aleatorios. Estamos obteniendo un resultado impar, que es el coeficiente …
1
Mostrando que 100 mediciones para 5 sujetos proporcionan mucha menos información que 5 mediciones para 100 sujetos
En una conferencia escuché la siguiente declaración: 100 mediciones para 5 sujetos proporcionan mucha menos información que 5 mediciones para 100 sujetos. Es bastante obvio que esto es cierto, pero me preguntaba cómo se podría probar matemáticamente ... Creo que se podría usar un modelo lineal mixto. Sin embargo, no …
2
¿Cómo aplicar el binomio GLMM (glmer) a porcentajes en lugar de conteos sí-no?
Tengo un experimento de medidas repetidas donde la variable dependiente es un porcentaje, y tengo múltiples factores como variables independientes. Me gustaría usar glmerel paquete R lme4para tratarlo como un problema de regresión logística (especificando family=binomial) ya que parece acomodar esta configuración directamente. Mis datos se ven así: > head(data.xvsy) …
3
¿Cómo interpretar los efectos principales cuando el efecto de interacción no es significativo?
Ejecuté un modelo mixto lineal generalizado en R e incluí un efecto de interacción entre dos predictores. La interacción no fue significativa, pero los principales efectos (los dos predictores) sí lo fueron. Ahora, muchos ejemplos de libros de texto me dicen que si hay un efecto significativo de la interacción, …
4
¿Cómo proyectar un nuevo vector en el espacio PCA?
Después de realizar el análisis de componentes principales (PCA), quiero proyectar un nuevo vector en el espacio PCA (es decir, encontrar sus coordenadas en el sistema de coordenadas PCA). He calculado PCA en lenguaje R usando prcomp. Ahora debería poder multiplicar mi vector por la matriz de rotación PCA. ¿Deben …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 
2
Advertencia "El modelo no pudo converger" en lmer ()
Con el siguiente conjunto de datos, quería ver si la respuesta (efecto) cambia con respecto a los sitios, la temporada, la duración y sus interacciones. Algunos foros en línea sobre estadísticas me sugirieron que siguiera con los Modelos lineales de efectos mixtos, pero el problema es que, dado que las …
4
¿Cómo funciona una distribución de Poisson al modelar datos continuos y resulta en pérdida de información?
Una compañera de trabajo está analizando algunos datos biológicos para su disertación con cierta heterocedasticidad desagradable (figura a continuación). Lo está analizando con un modelo mixto pero todavía tiene problemas con los residuos. La transformación logarítmica de las variables de respuesta limpia las cosas y, basándose en la retroalimentación a …
3
Cómo combinar intervalos de confianza para un componente de varianza de un modelo de efectos mixtos cuando se usa la imputación múltiple
La lógica de la imputación múltiple (MI) es imputar los valores faltantes no una vez sino varias (típicamente M = 5) veces, lo que resulta en M conjuntos de datos completados. Los M conjuntos de datos completados se analizan luego con métodos de datos completos sobre los cuales se combinan …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.