Perguntas com a marcação «random-effects-model»

Os parâmetros associados aos níveis particulares de uma covariável são chamados às vezes de "efeitos" dos níveis. Se os níveis observados representam uma amostra aleatória do conjunto de todos os níveis possíveis, chamamos esses efeitos de "aleatórios".

2
REML ou ML para comparar dois modelos de efeitos mistos com diferentes efeitos fixos, mas com o mesmo efeito aleatório?
Histórico: Nota: Meu conjunto de dados e código-r estão incluídos abaixo do texto Desejo usar o AIC para comparar dois modelos de efeitos mistos gerados usando o pacote lme4 em R. Cada modelo tem um efeito fixo e um efeito aleatório. O efeito fixo difere entre os modelos, mas o …
4
Efeito fixo vs efeito aleatório quando todas as possibilidades estão incluídas em um modelo de efeitos mistos
Em um modelo de efeitos mistos, a recomendação é usar um efeito fixo para estimar um parâmetro se todos os níveis possíveis forem incluídos (por exemplo, homens e mulheres). Recomenda-se ainda o uso de um efeito aleatório para contabilizar uma variável se os níveis incluídos forem apenas uma amostra aleatória …
1
Por que os modelos de efeitos mistos resolvem a dependência?
Digamos que estamos interessados ​​em como as notas dos exames dos alunos são afetadas pelo número de horas que esses alunos estudam. Para explorar essa relação, poderíamos executar a seguinte regressão linear: exam.gradesEu= a + β1× horas.estudoEu+ eEuexam.gradesEu=uma+β1×hours.studiedEu+eEu \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + e_i Mas se amostrarmos …
5
Como executar a imputação de valores em um número muito grande de pontos de dados?
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis ​​estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Diferenças entre PROC Mixed e lme / lmer em R - graus de liberdade
Nota: esta pergunta é um repost, pois minha pergunta anterior teve que ser excluída por razões legais. Ao comparar o PROC MIXED do SAS com a função lmedo nlmepacote no R, deparei-me com algumas diferenças bastante confusas. Mais especificamente, os graus de liberdade nos diferentes testes diferem entre PROC MIXEDe …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
3
As técnicas de regularização (devem?) Podem ser usadas em um modelo de efeitos aleatórios?
Por técnicas de regularização, estou me referindo a laço, regressão de crista, rede elástica e similares. Considere um modelo preditivo de dados de assistência médica que contenha dados demográficos e de diagnóstico em que está sendo previsto o tempo de internação. Para alguns indivíduos, há várias observações de LOS (ou …
1
Modelo marginal versus modelo de efeitos aleatórios - como escolher entre eles? Um conselho para um leigo
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 …
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.