혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?고객은 REML (혼합 효과라고도 함)과 함께 SLS를 사용하여 신뢰 구간의 표준 오류에 대해 다른 패키지 (R / Python / JMP)에서 다른 결과를 얻습니다. (R / Python / JMP : 0.05 / 0.08 / 0.002)이 값은 40 배로 상당히 높습니다. 정확히 어떻게 계산되는지에 대한 문서가 있습니까 (공식). BLUPS 자체와 FE 및 ME에 대한 추정치는 서로 다른 패키지의 세마이지만 예측 구간과 신뢰 구간입니다.
기본적으로 다른 기본 반복 공분산 구조 또는 Kacker-Harville-Correction과 관련이 있다고 생각했습니다.
예 추가 : https://www.rdocumentation.org/packages/doBy/versions/4.6-3/topics/data-dietox
-건물 모델 무게 = 시간 + 사료 + 돼지 (랜덤 효과)
쫑끼리 뿡 빵뀨
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?안녕하세요 마틴,
모델의 데이터와 스크립트를 공유 할 수 있습니까?가능하다면 큰 도움이 될 것입니다.또한 어떤 표준 오차와 신뢰 구간이 다른가요?또한이 트랙에 Elizabeth를 추가하려고합니다.
감사.
로라
뿡뿡
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?아.이제 JMP 데이터 테이블이 표시됩니다.이메일로 오지 않았습니다.감사.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?남자 이름,
신뢰 구간과 표준 오류를 생성하는 R 코드를 제공 할 수 있다면 도움이 될 것입니다. 나는 R 지식이 뒤쳐져 있고 (dietox 데이터와 lmer () 사용) 모델을 성공적으로 구축하고 한계 및 조건부 예측 값을 얻을 수있었습니다. 이러한 값은 JMP와 일치합니다.
dietox 데이터를 사용하여 JMP 및 SAS (PROC MIXED)에 지정된 모델을 실행하고 한계 및 조건부 예측 값과 신뢰 구간 일치 (해당 DDFM 방법이 한계에 대해 SAS-KR2에 지정되고 조건에 대해 Satterthwaite에 지정된 경우) . SAS에는 개별 CI가 없습니다. 16.0에서 수정 된 개별 CI의 자유도에 문제가있었습니다.
나는 Kackar-Harville 수정 공분산 행렬이 고정 효과 추정에 대한 검정 / 구간에 사용된다는 것을 알고 있습니다. 무작위 효과가 포함 된 경우 Satterthwaite 방법이 사용됩니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?0.002의 표준 오차는 저장된 조건부 평균 CI 열에서 사용자가 계산합니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?원래 스 크리 샷을 추가했지만 게시물에는 나타나지 않았습니다. 여기서 다시 시도합니다.
2.125 분산 성분에 대한 Stderr
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?R 코드를 요청합니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?자유도에 대해 우리는 방금 생각했습니다. JMP 15를 사용한다면 이것이 다른 결과의 이유일까요? 이 예제를 16과 15 모두에서 실행하면 정확히 동일한 결과가 나타납니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?안녕하세요 마틴,
분산 구성 요소의 공분산 행렬을 계산하는 데 사용되는 방법은 다음 문서의 1306 페이지에 있다고 생각합니다.
Wolfinger, R.D., Tobias, R.D. 및 Sall, J. (1994). “일반 선형 혼합 모델에 대한 가우스 우도 및 그 미분 계산.” 과학 컴퓨팅에 관한 SIAM 저널 15 : 1294 ~ 1310.
Proc Mixed에 대한 SAS 문서는 도움이된다면 좀 더 자세한 정보를 제공합니까?
SAS Help Center : 기본 출력
Elizabeth는 또 다른 좋은 참조를 알고있을 수 있습니까?
로라
뿡뿡
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?헉 ,
이 수식 항목이 보이지 않습니까? 나는 그것을 보는 것에 매우 관심이있을 것입니다. 왜냐하면 간단하지 않은 자유도없이 그것을 어떻게 계산할 것인지 모르기 때문입니다.
Martin에 따르면 그들은 표준 오류를 비교했습니다 ...Martin에 따르면 그들은 신뢰 구간에 대한 표준 오차. 따라서 조건부 평균 CI 열을 저장 한 후 단순히 차이를 취한 다음 표 형식을 사용하여 스탠드 오류를 얻습니다. 서로 다른 유형의 CI가 있기 때문에 비교하고있는 CI를 확인하려고했습니다.
또한 SAS Proc Mixed를 실행했지만 결과는 JMP와 약간 다릅니다. 예를 들어, 분산 성분 추정치는 정확히 동일하지 않습니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?안녕하세요 엘리자베스,
이제 R 코드도 첨부되었습니다. 그들은 사용했다
checkintervals_dietox.R
* R 3.6.3
더 필요한 것이 있습니까? lmer도 사용한 것 같습니다.
Re : Martin에 따르면 그들은 표준 오류를 비교했습니다.으. 방금 긴 답장을 썼는데 게시물을 쳤을 때 인증 오류가 발생하고 답장이 사라졌습니다. 나는 다시 만들려고 노력할 것이다. 그리고 우리가 중복 된 포스트를 얻지 않기를 바란다.
그 수량은 SE가 아닌가? 차이 = obs + crit * se-(obs-crit * se) = 2 * crit * se. 그 분산을 취하는 것은 우리가 관심을 갖는 표준 오류가 아닙니다. 그것은 내가 아는 한 '흥미로운'것이 아닌 신뢰 구간의 너비의 분산 일 것입니다. 예측값 또는 신뢰 한계의 표준 오차를 얻는 경우 SE ~ 0.834를 얻습니다. 이는 각 관측치에 자체 SE가 있기 때문에 평균 SE와 비슷합니다.
SAS와 JMP 간의 차이는 사소합니다. (-2 로그) 가능성은 동일하므로 데이터 테이블의 값이 잘 반올림되지 않았기 때문에 약간의 로컬 최적화 또는 일부 숫자 퍼즈가 발생합니다. 고정 된 효과가 동일 함에도 불구하고 예측 값조차 소수점 4 자리 이후에 달라집니다.
/* outpm gives the marginal prediction information (values, se, CI) that corresponds to JMPs Mean Confidence Interval */
proc mixed data=sasuser.dietox nobound cl covtest;
class pig;
model weight= time feed / ddfm=kr2 s outpm=krpredmean;
random pig ;
run;
/* outp gives the conditional prediction information that corresponds to JMPs Conditional Mean CI */
proc mixed data=sasuser.dietox nobound;
class pig;
model weight= time feed / ddfm=satterth s outp=spred;
random pig;
run;
실제로, JMP와 Python / R 간의 예측 값 SE의 불일치는 Martin의 스크린 샷에 표시된대로 그룹 / 돼지 분산에 대한 SE의 차이에서 기인합니다. 분산의 분산이 작용합니다. 파이썬이 어떻게 계산하는지 모르겠고, 다른 모든 SE가 동의하고 하나는 동의하지 않는 것이 이상해 보입니다. 다시 말하지만 SAS와 JMP는 기본적으로 동의하고 JMP SLS-REML과 Mixed는 약간 다른 루틴을 사용하면서 동의합니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?감사, 안녕하세요. . 내가 살펴볼 게.
Re : Martin에 따르면 그들은 표준 오류를 비교했습니다.아, 재 게시에서 잃어버린 정보 :
조건부 예측 SE는 JMPPro의 Mixed에서 사용할 수 있습니다. 두 플랫폼 모두 한계 SE (예측 표준 오류)를 제공 할 때 SLS-REML에서 사용할 수없는 이유를 모르겠습니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?신뢰 구간의 불일치는 분산 성분의 계산 된 표준 오차에서 비롯된 것 같습니다.
Python 출력은 그룹 / 돼지 분산이 31.836이고 SE는 2.125입니다. (Martin의 스크린 샷에서)
R 출력은 다음과 같습니다.
Random effects:
Groups Name Variance Std.Dev.
Pig (Intercept) 31.836 5.642
Residual 7.364 2.714
Number of obs: 789, groups: Pig, 72
JMP에는 다음이 있습니다.
SAS는 :
| 공분산 모수 추정치 |
|---|
| Cov Parm |
견적 |
표준
오류 |
Z 값 |
Pr Z |
알파 |
보다 낮은 |
높은 |
|---|
| 돼지 |
31.8276 |
5.4936 |
5.79 |
<.0001 |
0.05 |
21.0604 |
42.5949 |
|---|
| 잔여 |
7.3645 |
0.3898 |
18.89 |
<.0001 |
0.05 |
6.6565 |
8.1924 |
|---|
모든 패키지는 동일한 로그 가능성을 얻습니다.
모수 추정치는 본질적으로 모든 패키지에서 동일합니다.
pig / group 분산 구성 요소의 SE는 SAS, JMP 및 R과 비슷하지만 Python에서는 매우 다릅니다.
잔차 분산에 대한 SE는 SAS 및 JMP와 비슷하지만 R은 매우 다르며 Python 출력 스크린 샷에 해당 추정치에 대한 SE가 없습니다.
이러한 분산 성분의 SE는 추가 계산에 필요하기 때문에 예측 신뢰 구간에서 차이를 얻습니다. R이 신뢰 구간에서 사용하는 자유도 및 / 또는 SE를 직접 비교하는 방법을 찾지 못했습니다. 간격의 결과 불일치 만 볼 수 있습니다.
다양한 구간의 자유도를 확인하기 위해 JMP에 사용자 지정 테스트를 추가 할 수 있습니다. 이 스크립트에는 평균 신뢰 구간 및 조건부 평균 CI에 해당하는 사용자 지정 테스트가 포함되어 있습니다. 해당 열을 저장할 때 얻은 예측 값과 SE 일치를 볼 수 있습니다. 추가 정보는 테스트 / CI에 사용되는 DFDen입니다. 해당 DFDen을 사용하여 CI에 대해 SE와 함께 사용할 임계 값을 찾을 수 있습니다.
Fit Model(
Y( :Weight ),
Effects( :Feed, :Time ),
Random Effects( :Pig ),
NoBounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run(
:Weight << {Summary of Fit( 1 ), Analysis of Variance( 0 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
Plot Residual by Predicted( 0 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
Custom Test(
[1 5.200005 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0],
Label( "obs2 marginal" )
), Custom Test(
[1 5.200005 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0],
Label( "obs2 conditional" )
)}
)
);
나는 이것이 문제의 원인을 '설명'한다고 생각하지만 그 이유는 설명하지 않습니다. R 또는 Python이 분산 구성 요소의 SE를 얻는 방법을 모르지만 분명히 차이점이 있습니다. JMP 및 SAS 절차는 완전히 문서화되어 있습니다 (JMP 문서는 모든 심층 통계적 추론 정보에 대해 SAS 문서를 가리키는 것 같습니다).Viya LMIXED 절차에 대한 관련 문서 (일반 PROC MIXED와 동일)
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?JMP와 SAS는 표준 오류로 레이블을 지정하고 R 패키지는 Std.Dev를 호출합니다. 차이가 있습니까? 고정 효과 보고서에서 R 레이블은 Std. 오류.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?아마 아닐 것입니다. 기술적으로 같은 것은 아니지만 일반적으로 용어는 같은 의미로 사용됩니다.
Re : 혼합 모델 / REML 결과 : 표준 오류를 계산하는 방법에 대한 문서가 있습니까?감사합니다 Elisabeth!
사용 된 최적화 알고리즘과 관련하여 문서에서는 Newton-Raphson에 대해 언급했지만 LMIXED에서 변경해야하는 옵션이 있습니다. JMP에서는 NR 만 사용하고 전환 할 변경 사항이없는 것 같습니다. 맞습니까?
또한 Hessian 행렬을 작성하는 옵션도 없습니다. 이 출력을 사용하면 반복에서 R 알고리즘과 다른 반복 간 차이가 있는지 비교할 수 있지만 수학적으로는 존재하지 않아야합니다. 내가 고객에게시키는 비교 작업).
조사해 주셔서 다시 한 번 감사드립니다! 매우 도움이되었습니다.
