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.

4
¿Cuáles son los valores correctos para precisión y recuperación en casos extremos?
La precisión se define como: p = true positives / (true positives + false positives) ¿Es cierto que, como true positivesy false positivesenfoque 0, la precisión se aproxima a 1? La misma pregunta para recordar: r = true positives / (true positives + false negatives) Actualmente estoy implementando una prueba …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
1
lme () y lmer () dan resultados contradictorios
He estado trabajando con algunos datos que tienen algunos problemas con las mediciones repetidas. Al hacerlo, noté un comportamiento muy diferente entre lme()y lmer()usando mis datos de prueba y quiero saber por qué. El conjunto de datos falsos que creé tiene medidas de altura y peso para 10 sujetos, tomados …
1
¿Puede lmer () usar splines como efectos aleatorios?
Supongamos que estamos trabajando en un modelo de efectos aleatorios de algunos datos de conteo a lo largo del tiempo, y queremos controlar algunas tendencias. Normalmente, harías algo como: lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") para incluir una forma cuadrática para t. ¿Es posible utilizar algunas técnicas de suavizado más …
3
Interpretar tres formas de un "modelo mixto"
Hay una distinción que me hace tropezar con modelos mixtos, y me pregunto si podría obtener algo de claridad. Supongamos que tiene un modelo mixto de datos de conteo. Hay una variable que sabe que quiere como efecto fijo (A) y otra variable para el tiempo (T), agrupada por decir …
4
En la práctica, ¿cómo se calcula la matriz de covarianza de efectos aleatorios en un modelo de efectos mixtos?
Básicamente, me pregunto cómo se aplican las diferentes estructuras de covarianza y cómo se calculan los valores dentro de estas matrices. Funciones como lme () nos permiten elegir qué estructura nos gustaría, pero me encantaría saber cómo se estiman. Considere el modelo de efectos lineales mixtos Y=Xβ+Zu+ϵY=Xβ+Zu+ϵY=X\beta+Zu+\epsilon . Donde u∼dN(0,D)u∼dN(0,D)u …
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.