Preguntas etiquetadas con multilevel-analysis

Análisis estadístico de conjuntos de datos que comprenden varios niveles de jerarquía (por ejemplo, estudiantes anidados en clases anidadas en escuelas o pronósticos jerárquicos). Para preguntas sobre modelos mixtos, utilice la etiqueta [modelo mixto]. Para efectos aleatorios anidados, use [datos anidados].

1
Notación para modelado multinivel
La fórmula que uno debe especificar para entrenar un modelo multinivel (usando lmerdesde la lme4 Rbiblioteca) siempre me da. He leído innumerables libros de texto y tutoriales, pero nunca lo he entendido correctamente. Así que aquí hay un ejemplo de este tutorial que me gustaría ver formulado en una ecuación. …
3
Modelo multinivel versus modelos separados para cada nivel
¿Cuáles son las ventajas y desventajas de ejecutar modelos separados versus modelos multinivel? Más particularmente, suponga que un estudio examinó pacientes anidados dentro de las prácticas médicas anidadas dentro de los países. ¿Cuáles son las ventajas / desventajas de ejecutar modelos separados para cada país frente a un modelo anidado …
2
Modelos jerárquicos para comparaciones múltiples: contexto de resultados múltiples
Acabo de (re) leer el Por qué de Gelman (generalmente) no tenemos que preocuparnos por las comparaciones múltiples . En particular, la sección "Resultados múltiples y otros desafíos" menciona el uso de un modelo jerárquico para situaciones en las que hay múltiples medidas relacionadas de la misma persona / unidad …
2
¿Cuál es la mejor manera de estimar el efecto promedio del tratamiento en un estudio longitudinal?
En un estudio longitudinal, los resultados de las unidades i se miden repetidamente en los puntos de tiempo t con un total de m ocasiones de medición fija (fija = las mediciones en unidades se toman al mismo tiempo).YitYitY_{it}iiitttmmm Las unidades se asignan aleatoriamente a un tratamiento, , o a …
2
Bootstrapping paramétrico, semiparamétrico y no paramétrico para modelos mixtos
Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
2
¿Una distancia tiene que ser una "métrica" ​​para que una agrupación jerárquica sea válida en ella?
Digamos que definimos una distancia, que no es una métrica , entre N elementos. En base a esta distancia, usamos un agrupamiento jerárquico aglomerativo . ¿Podemos usar cada uno de los algoritmos conocidos (enlace único / máximo / promedio, etc.) para obtener resultados significativos? O dicho de otra manera, ¿cuál …
2
Calcular curva ROC para datos
Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
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.