Perguntas com a marcação «mixed-model»

Fiquei me perguntando se havia alguma técnica de aprendizado de máquina (não supervisionada) para modelar dados longitudinais? Eu sempre usei modelos de efeitos mistos (principalmente não lineares), mas queria saber se existem outras maneiras de fazer isso (usando o aprendizado de máquina). Por aprendizado de máquina, quero dizer floresta aleatória, …

11 machine-learning  mixed-model 

Estou lendo o artigo da teoria de Doug Bates no pacote lme4 de R para entender melhor os detalhes dos modelos mistos e me deparei com um resultado intrigante que eu gostaria de entender melhor sobre o uso da máxima verossimilhança restrita (REML) para estimar a variação . Na seção …

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

Eu ajustei um modelo mais recente com o seguinte (embora composto): Random effects: Groups Name Std.Dev. day:sample (Intercept) 0.09 sample (Intercept) 0.42 Residual 0.023 Eu realmente gostaria de criar um intervalo de confiança para cada efeito usando a seguinte fórmula: (n−1)s2χ2α/2,n−1,(n−1)s2χ21−α/2,n−1(n−1)s2χα/2,n−12,(n−1)s2χ1−α/2,n−12 \frac{(n-1)s^2}{\chi^2_{\alpha/2, n-1}},\frac{(n-1)s^2}{\chi^2_{1-\alpha/2,n-1}} Existe uma maneira de obter convenientemente os …

11 lme4-nlme  mixed-model 

Estou tentando especificar uma fórmula para um modelo linear de efeitos mistos (com lme4) para o meu design experimental, mas não tenho certeza se estou fazendo certo. O design: basicamente estou medindo um parâmetro de resposta nas plantas. Eu tenho 4 níveis de tratamento e 2 níveis de irrigação. As …

11 r  experiment-design  mixed-model 

Minha pergunta é baseada nesta resposta que mostrou qual lme4::lmermodelo corresponde a uma ANOVA de medidas repetidas nos dois sentidos: 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: …

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

Considere um modelo linear de interceptação aleatória. Isso é equivalente à regressão linear GEE com uma matriz de correlação de trabalho intercambiável. Suponhamos que os preditores são e X 3 e os coeficientes para estes são preditores β 1 , β 2 , e β 3 . Qual é a …

11 mixed-model 

Estou procurando conselhos sobre como analisar dados complexos de pesquisas com modelos multiníveis em R. Eu usei o surveypacote para ponderar probabilidades desiguais de seleção em modelos de um nível, mas este pacote não possui funções para modelagem multinível. O lme4pacote é ótimo para modelagem multinível, mas não sei como …

11 r  mixed-model  weighted-sampling  cluster-sample 

Ao procurar qualquer informação sobre o modelo marginal e o modelo de efeitos aleatórios , e como escolher entre eles, encontrei algumas informações, mas era uma explicação abstrata matemática mais ou menos (como por exemplo aqui: https: //stats.stackexchange .com / a / 68753/38080 ). Em algum lugar, descobri que foram …

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

Eu tenho uma regressão logística de interceptação aleatória (devido a medições repetidas) e gostaria de fazer alguns diagnósticos, especificamente sobre discrepâncias e observações influentes. Eu olhei para resíduos para ver se há observações que se destacam. Mas também gostaria de ver algo como a distância de Cook ou DFFITS. Hosmer …

11 mixed-model  outliers  glmm  cooks-distance 

Eu gostaria de usar lme4para ajustar uma regressão de efeitos mistos e multcompcalcular as comparações aos pares. Eu tenho um conjunto de dados complexo com vários preditores contínuos e categóricos, mas minha pergunta pode ser demonstrada usando o ChickWeightconjunto de dados interno como exemplo: m <- lmer(weight ~ Time * …

11 r  mixed-model  multiple-comparisons 

Normalmente, trato de dados em que vários indivíduos são medidos várias vezes em cada uma de duas ou mais condições. Recentemente, tenho brincado com a modelagem de efeitos mistos para avaliar evidências de diferenças entre condições, modelando individualcomo um efeito aleatório. Para visualizar a incerteza sobre as previsões de tal …

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

Se você optar por analisar um projeto de controle de tratamento pré-pós com uma variável dependente contínua usando uma ANOVA mista, existem várias maneiras de quantificar o efeito de pertencer ao grupo de tratamento. O efeito de interação é uma opção principal. Em geral, eu particularmente gosto das medidas do …

11 anova  mixed-model  effect-size  cohens-d 

Eu tenho dois anos de dados que se parecem basicamente com isso: Data _ __ Violência S / N? _ Número de pacientes 1/1/2008 _ ___ 0 0 __ _ __ _ ____ 11 2/1/2008 _ __ _ 0 _ __ _ __ _ __ 11 1/3/2008 _ ____ 1 …

11 r  mixed-model  autocorrelation  panel-data 

Modelos de efeitos mistos lineares são modelos de extensões de regressão linear para dados coletados e resumidos em grupos. As principais vantagens são que os coeficientes podem variar em relação a uma ou mais variáveis ​​de grupo. No entanto, estou lutando com quando usar o modelo de efeito misto? Elaborarei …

11 regression  mixed-model  random-effects-model  linear 

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

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