こんにちは、みんな、
線形混合モデルに関するいくつかの質問。
1) 「混合フィット」パーソナリティでは、予測式 (Y=Bx+Zu+E) を取得する方法はありますか。他のモデル パーソナリティからは取得できますが、「混合フィット」パーソナリティではそれが見つかりません。
2) 魚の遊泳パフォーマンスを調べています。2 つの連続固定効果とその相互作用が、ランダム効果として選択された個体とそのすべての相互作用の連続応答に適合します (合計 3 つの固定効果: 2 つの独立した相互作用と 1 つの相互作用、および 4 つのランダム効果) ）
2a) ランダム分散成分を解釈しているとき、その表の残差は固定効果によって説明されるべき分散ですか?
2b) 有意なランダム分散成分と有意な固定効果が得られる場合、固定効果はランダム共分散のせいで有意なのでしょうか、それともランダム共分散を無視してなのでしょうか?
3) 非線形に見える加速度を使用していますが、モデルは対数変換するとよりよく適合します。 他の連続変数 (正常またはほぼ正常に見える) ではなく、加速度のみを変換することが正当化されるのでしょうか、それともすべてを変換する必要があるのでしょうか。
ここにいくつかのスクリーンショットがあります
前もって感謝します
1. 赤い三角から、列の保存、予測式の保存。
式は新しい列にあります
2. https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-mixed-report.shtml#
添付のレポートには残差表がありませんが、
周辺モデル推論: 周辺予測値と周辺残差に基づいてプロットを作成します。 これらのプロットは、変量効果による変動を表示します。 https://www.jmp.com/support/help/en/15.1/#page/jmp/marginal-model-inference.shtml#ww1282958
条件付きモデル推論: 条件付き予測値と条件付き残差に基づいてプロットを作成します。 これらのプロットは、変量効果を考慮した後に残る変動を表示します。
https://www.jmp.com/support/help/en/15.1/#page/jmp/conditional-model-inference.shtml#ww1171576
3. 魚の加速については詳しくありません。 対数またはある種の Box-Cox 変換のいずれかが合理的であるように思えます。
