혼합 모델에 대한 조건부 및 한계 R-제곱 생성저는 JMP 16에서 일련의 혼합 모델을 실행하고 있습니다(하나의 임의 효과, 여러 고정 효과).
다음과 같은 추정치를 생성하고 싶습니다.
- 한계 R^2 (R^2m): 다음으로 설명되는 분산의 비율 고정 효과 에 상대적 전체 분산
- 조건부 R^2 (R^2c): 다음으로 설명되는 분산 비율 고정 효과와 무작위 효과 모두 에 상대적 전체 분산
쉽게 사용할 수 있는 스크립트가 있습니까?
또한 JMP는 R^2 그리고 조정된 R^2 혼합 모델에 대한 맞춤 모델 보고서의 "맞춤 요약" 탭에서?
조건부 및 한계 R^2에 대한 참고 사항: Nakagawa & Schielzeth(2013)가 제안한 방법은 임의 절편 모델에 적용됩니다. Johnson(2014)은 임의의 기울기를 포함하는 모델에 대한 확장을 제안했습니다(Nakagawa, Schielzeth, & Johnson 2017 참조).
존슨, PC 디. 2014. Nakagawa & Schielzeth의 R2GLMM을 랜덤 슬로프 모델로 확장. 생태와 진화의 방법 5: 944–46. doi:10.1111/2041-210X.12225.
나카가와, S., & 시간. 쉴제트. 2013. 일반화된 선형 혼합 효과 모델에서 R2를 얻는 일반적이고 간단한 방법입니다. 생태와 진화의 방법 4(2): 133–42. doi:10.1111/j.2041-210x.2012.00261.x.
나카가와, S., 시간. Schielzeth, & PCD 존슨. 2017. 일반화된 선형 혼합 효과 모델의 결정 계수 R2 및 클래스 내 상관 계수를 다시 검토하고 확장했습니다. 왕립학회 인터페이스 저널 14(134). doi:10.1098/rsif.2017.0213.
해석학스크립팅창Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성설명서 잘 보셨나요?
혼합 모델 및 랜덤 효과 모델(jmp.com)
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성예, 하지만 조건부 또는 한계 R-제곱에 대한 참조를 보지 못했고 두 통계를 계산하는 데 필요한 분산 항을 어디서 얻을 수 있는지도 모릅니다. 예를 들어 R의 스크립팅에 대한 다음 설명을 참조하세요. JAGS의 선형 혼합 모델에 대한 한계 및 조건부 R2(samcarcagno.altervista.org)
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성모든 정보는 혼합 모델 보고서에서 사용할 수 있다고 생각합니다. 그러나 그것들을 식별하고 수집하려면 상당한 지식이 필요할 수 있습니다. 시도해 보겠습니다. JMP 샘플 데이터 Animals를 예로 사용합니다.
1 부
JMP가 R^2를 얻는 방법에 대한 답변입니다. 데이터 테이블에 포함된 스크립트를 실행하여 보고서를 불러옵니다. 그리고 플랫폼 메뉴로 이동하여 "열 저장" -> "조건부 Pred Values"를 사용하여 예측을 저장합니다. 이제 선형 최소제곱 모델에서 얻은 것과 같은 방식으로 R^2를 얻습니다. 공식은 여기 적합 요약 . 예를 들어, 잔차를 얻고 오차 제곱합 SSE를 계산하려면 응답과 예측이 필요합니다. 총 SST의 제곱합을 계산하려면 응답과 평균이 필요합니다. 그러면 R^2는 (SST - SSE)/SST입니다. 그리고 여기 내 계산 증거가 있습니다.
2 부
이제 남은 질문에 답하십시오. sigma_f^2, sigma_a^2 및 sigma_e^2가 필요합니다.
맞춤 요약에서 sigma_를 찾을 수 있습니다. Root Mean Square Error입니다.
REML Variance Component Estimates에서 sigma_e^2를 찾을 수 있습니다. Residual과 관련된 Var 구성 요소입니다.
다음은 그들의 관계에 대한 증거입니다.
REML Variance Component Estimates에서 sigma_a^2를 찾을 수 있습니다. 랜덤 효과와 관련된 Var 컴포넌트입니다. 이 예에는 단 하나의 구성요소가 있습니다.
이제 sigma_f^2입니다. 이를 위해서는 선형 모델에 대한 상당한 지식이 필요할 수 있습니다. 다음 단계에서 그 이유를 이해하기 위해 일부 교과서를 참조해야 할 수도 있습니다. 다음은 단계입니다.
고정 매개변수 추정값의 표준 오차가 필요하고 이를 Matrix_S라는 대각 행렬에 넣고 이 표준 오차를 대각선에 놓습니다.
고정 모수 추정값의 상관 행렬이 필요합니다. 플랫폼 메뉴 "추정" > "추정의 상관관계"로 이동하여 찾을 수 있습니다. 그러나 모든 것이 필요하지 않으며 고정 매개변수와 연결된 왼쪽 상단 사각형 부분만 필요합니다. 행렬의 이 부분을 Matrix_R이라는 행렬에 넣습니다.
이제 새로운 행렬을 얻기 위해 Matrix_S, Matrix_R 및 Matrix_S의 곱을 다시 계산하는 선형 대수가 필요합니다. 결과는 고정 매개변수의 공분산 행렬이며 COV라고 합니다. 이러한 행렬 작업의 경우 이 페이지가 도움이 될 수 있습니다. 상관 행렬을 공분산 행렬로 변환하기
이제 다시 Parameter Estimates가 필요합니다. 이번에는 Estimate 부분입니다. 행 벡터에 넣고 VECTOR라고 부릅니다.
이제 더 많은 선형 대수학입니다. VECTOR * COV * 전치(VECTOR)를 계산해야 합니다. sigma_f^2가 있습니다.
이제 세 조각이 모두 있습니다. 나머지 계산은 쉬운 부분입니다. 그러나 자동으로 스크립트를 작성하려면 상당한 노력이 필요할 수 있습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성자세한 설명(및 관련 영상)을 제공하기 위해 시간을 내어 주셔서 대단히 감사합니다.
불행히도, 나는 선형 대수학 단계를 계산하는 데 필요하다고 생각합니다. sigma_f^2 구성 요소는 저 너머에 있습니다.
다시 한번 감사합니다!
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성돌이켜 보면 참고 논문에 데이터 세트와 모델이 있고 그 결과를 제시한다면 다음을 제안해도 될까요?
데이터 세트를 사용하고 JMP에서 모델을 맞추십시오. JMP R^2를 얻습니다. JMP R^2를 조건부 R^2와 비교합니다.
그런 다음 위의 JMP R^2 계산 단계에 따라 "조건부 예측 값"을 사용하는 대신 "열 저장" 메뉴에서 "예측 값"을 사용하고 다른 R^2를 계산하여 R*^이라고 부릅니다. 2. R*^2를 논문의 한계 R^2와 비교하십시오.
비교가 얼마나 가까운지 보십시오. 그렇게 할 수 있다면 커뮤니티 독자에게 알리기 위해 찾은 내용을 다시 게시하십시오. 감사 해요!
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성감사합니다.그들은 원고의 부록에 데이터 세트를 제공하는 것으로 보입니다.내가 그것을 검색하고 당신이 제안한 테스트를 실행할 수 있는지 확인하겠습니다.
진행되는 사항을 알려드립니다. 다시 한 번 귀하의 의견에 감사드립니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성다시 안녕,
JMP의 혼합 모델링 절차(혼합 모델 또는 SLS w/REML 사용)를 통해 Nakagawa의 "크기 모델" 데이터를 실행해 보았습니다. 결과는 무작위 효과에 대해 유사한 분산 성분과 유사한 AIC, BIC 값을 나타내었지만 고정 효과에 대한 계수는 Nakagawa 논문의 계수와 다릅니다(첨부 pdf의 표 3 참조).R과 JMP가 3가지 범주 처리의 계수에 대해 다른 기본 조건을 사용하기 때문일 수 있습니까(예: 여성 대신 남성)?
JMP(0.755)의 R^2는 논문(0.741)의 조건부 R^2와 상당히 유사했지만 완전히 같지는 않았습니다. JMP 모델에서 예측 값 열을 생성하고 원시 데이터에 대해 회귀했습니다(당신의 제안을 올바르게 이해한 경우). 이것은 그들의 한계 R^2(0.392)와 상당히 유사한 R^2(0.402)를 생성하지만, 다시 완전히 같지는 않습니다. 이러한 차이점에 대한 생각이 있습니까?
나는 Nakagawa 논문과 가져온 데이터 파일을 첨부했습니다. 후자는 예측 및 조건부 예측 값이라는 두 개의 추가 열이 있습니다.
데이터를 더 탐색하려면 그렇게 하십시오. 나는 더 많은 것을 배우기 위해 관심을 가질 것입니다.
다시 감사합니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성추가 관찰: JMP의 절편 값도 전체 모델에 대해 논문에 보고된 것과 다르지만 절편은 null 모델에 대해 보고된 것과 동일했습니다. 결과의 또 다른 작은 차이.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성당신은 올바르게 했어요! 그리고 JMP와 R 결과를 일치시킬 수 있습니다. 표시되는 차이점은 디자인 매트릭스 코딩 규칙 간의 차이로 인한 것입니다.
다음은 결과의 스크린샷입니다. 첫째, 분산 성분이 완전히 일치합니다. 둘째, JMP 고정 효과 매개변수 추정값(절편 제외)은 R의 추정값의 정확히 절반입니다. 표준 오차도 절반입니다. R은 이진 X 변수에 대해 (0, 1) 코딩을 사용하고, JMP는 이진 X 변수에 대해 (-1, 1) 코딩을 사용합니다.
JMP 번호 또는 R 번호에 관계없이 여기에 표시된 번호를 사용하여 논문에서 제안된 R^2 번호를 확인할 수 없습니다. 나는 그들이 한 일에 대해 조금 잊었습니다. 나는 그들의 R^2의 GLMM 버전이 보고되었다는 것을 알았습니다. 여기에는 sigma_d^2가 포함되는데, 나는 그것이 무엇인지 이해하지 못합니다. 그것은 별도의 문서에 있습니다. 아마도 그것이 누락된 부분일 것입니다. 또한 JMP는 무작위 효과 간에 약간의 상관 관계를 보고합니다. 이 논문은 무작위 효과 간의 상관관계를 고려하지 않습니다. 이것은 아마도 두 번째 누락된 부분일 것입니다.
JMP가 생산하는 R^2와 제가 제안한 다른 R^2는 그들이 달성하고자 하는 것과 개념적으로 유사합니다. 그러나 나는 그들의 번호를 얻는 방법을 알아낼 수 없습니다. 나는 숫자가 다소 가깝기 때문에 기쁩니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성
감사 해요. 그것은 의미가 있습니다. 고정 효과 계수 (절편의 차이를 이해하지 못하지만).
다음은 R^2(m) 및 R^2(c)의 계산 및 구성 요소를 설명하는 웹 사이트입니다.
https://jonlefcheck.net/2013/03/13/r2-for-linear-mixed-effects-models/
분모의 마지막 두 항을 다음과 같이 설명합니다. " ... t 마지막 두 항은 잔차 분산을 합산하고 가산 분산 성분(비정규 모델의 경우)과 분포별 분산입니다."이것이 무엇을 의미하는지 확실하지 않습니다.
이것이 작은 차이를 설명한다고 생각하십니까(즉, 사소한 조정)?
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성죄송합니다. 관련 질문이 하나 더 있습니다.JMP의 전체 모델 출력에서 조건부 R^2를 근사하려면 R^2를 사용하거나 조정된 R^2를 사용하도록 제안하시겠습니까?
