Perguntas com a marcação «mixed-model»

Modelos mistos (também conhecidos como multiníveis ou hierárquicos) são modelos lineares que incluem efeitos fixos e efeitos aleatórios. Eles são usados ​​para modelar dados longitudinais ou aninhados.

1
Cálculo da repetibilidade dos efeitos de um modelo mais antigo
Acabei de me deparar com este artigo , que descreve como calcular a repetibilidade (também conhecida como confiabilidade, também conhecida como correlação intraclasse) de uma medição via modelagem de efeitos mistos. O código R seria: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 
5
Exemplos de relatórios para análise de modelos mistos usando lmer em biologia, psicologia e medicina?
Como o consenso geral parece ser o uso de modelos mistos via lmer()R em vez da ANOVA clássica (pelas razões frequentemente citadas, como desenhos desequilibrados, efeitos aleatórios cruzados etc.), gostaria de tentar com meus dados. No entanto, estou preocupado com a possibilidade de "vender" essa abordagem ao meu supervisor (que …
2
Em um modelo multinível, quais são as implicações práticas de estimar versus não estimar parâmetros de correlação de efeito aleatório?
Em um modelo multinível, quais são as implicações práticas e relacionadas à interpretação de estimar versus não estimar parâmetros de correlação de efeito aleatório? A razão prática para perguntar isso é que, na estrutura anterior em R, não há método implementado para estimar valores de p por meio de técnicas …
1
Predict () Função para modelos de efeitos mistos anteriores
O problema: Eu li em outras postagens que predictnão estão disponíveis para lmermodelos de efeitos mistos {lme4} no [R]. Tentei explorar esse assunto com um conjunto de dados de brinquedos ... Fundo: O conjunto de dados é adaptado desta fonte e está disponível como ... require(gsheet) data <- read.csv(text = …
2
Especifiquei corretamente meu modelo no lmer?
Vasculhei muitos sites de ajuda e ainda estou confuso sobre como especificar termos aninhados mais complicados em um modelo misto também. Eu também estou confuso como o uso de :e /e |em especificação de interações e de nidificação com fatores aleatórios utilizando lmer()no lme4pacote no R. Para o propósito desta …
2
Modelos mistos são úteis como modelos preditivos?
Estou um pouco confuso sobre as vantagens de modelos mistos em relação à modelagem preditiva. Como os modelos preditivos costumam prever valores de observações anteriormente desconhecidas, parece-me óbvio que a única maneira de um modelo misto ser útil é através da capacidade de fornecer previsões no nível da população (sem …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.