안녕하세요 여러분,
선형 혼합 모델에 관한 몇 가지 질문입니다.
1) "Fit Mixed" 성격에는 예측 표현(Y=Bx+Zu+E)을 얻을 수 있는 방법이 있는데, 다른 모델 성격에서는 얻을 수 있지만 "Fit Mixed" 성격에서는 찾을 수 없습니다.
2) 나는 물고기의 수영 성능을 보고 있습니다. 두 개의 연속 고정 효과가 있고 그 상호 작용은 개인과의 연속 반응에 적합하며 모든 상호 작용은 무작위 효과로 선택됩니다(총 3개의 고정 효과: 2개의 독립적인 효과와 1개의 상호 작용 및 4개의 무작위 효과) )
2a) 무작위 분산 구성요소를 해석할 때 해당 표의 잔차는 고정 효과로 설명할 수 있는 분산입니까?
2b) 중요한 무작위 분산 구성 요소와 중요한 고정 효과를 얻는 경우 내 고정 효과는 무작위 공분산 또는 무작위 공분산의 INSPITE로 인해 중요합니까?
3) 비선형으로 보이는 가속도를 사용하여 작업하고 있으며 내 모델은 로그 변환될 때 더 잘 맞습니다. 다른 연속 변수(정상이거나 거의 정상인 것처럼 보임)가 아닌 가속도만 변환하는 것이 정당합니까, 아니면 모두 변환해야 합니까?
다음은 몇 가지 화면 캡처입니다.
미리 감사드립니다
1. 빨간색 삼각형에서 열 저장, 예측 수식을 저장합니다.
식이 새 열에 있습니다.
2. https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-mixed-report.shtml#
첨부된 보고서에는 잔차 표가 표시되지 않습니다. 하지만
주변 모델 추론: 주변 예측 값과 주변 잔차를 기반으로 도표를 생성합니다. 이 플롯은 랜덤 효과로 인한 변동을 표시합니다. https://www.jmp.com/support/help/en/15.1/#page/jmp/marginal-model-inference.shtml#ww1282958
조건부 모델 추론: 조건부 예측 값과 조건부 잔차를 기반으로 플롯을 생성합니다. 이 플롯은 무작위 효과를 고려한 후에 남아 있는 변동을 표시합니다.
https://www.jmp.com/support/help/en/15.1/#page/jmp/conditional-model-inference.shtml#ww1171576
3. 물고기 가속에 익숙하지 않습니다. 로그 또는 일종의 Box-Cox 변환이 합리적일 수 있는 것처럼 보입니다.
