혼합 모델에 대한 조건부 및 한계 R-제곱 생성저는 JMP 16에서 일련의 혼합 모델을 실행하고 있습니다(하나의 임의 효과, 여러 고정 효과).
다음과 같은 견적을 생성하고 싶습니다.
- 한계 R^2 (R^2m): 다음으로 설명되는 분산의 비율 고정 효과 상대적인 전체 분산
- 조건부 R^2 (R^2c): 다음에 의해 설명되는 분산의 비율 고정 및 무작위 효과 모두 상대적인 전체 분산
쉽게 사용할 수 있는 스크립트가 있습니까?
또한 JMP는 R^2 그리고 조정된 R^2 혼합 모델에 대한 모델 적합 보고서의 "적합 요약" 탭에 있습니까?
조건부 및 한계 R^2에 대한 참고 사항: Nakagawa & Schielzeth(2013)가 제안한 방법은 무작위 절편 모델에 적용됩니다. Johnson(2014)은 무작위 기울기를 포함하는 모델의 확장을 제안했습니다(Nakagawa, Schielzeth, & Johnson 2017 참조).
존슨, PC 라. 2014. Nakagawa & Schielzeth의 R2GLMM을 임의 경사 모델로 확장합니다. 생태학 및 진화 방법 5: 944–46. 도이:10.1111/2041-210X.12225.
나카가와, S., & 시간. Schielzeth. 2013. 일반화된 선형 혼합 효과 모델에서 R2를 얻기 위한 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. 일반화 선형 혼합 효과 모델의 결정 계수 R2 및 클래스 내 상관 계수를 재검토하고 확장했습니다. 왕립 학회 인터페이스 저널 14(134). doi:10.1098/rsif.2017.0213.
고급 통계 모델링윈도우Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성좋아, 이제 스레드에서 충분히 멀리 돌아가지 않았음을 알 수 있습니다.기다려 주셔서 감사합니다!
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성답장을 보내 주셔서 대단히 감사합니다! 스레드에서 귀하의 답변을 보았지만 R의 Conditional Rsquare와 일치한다고 생각했습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성다음은 이 스레드의 초기 답변 중 하나에서 복사한 것입니다. 계산은 ANOVA에서 수행해야 하는 것과 동일하지만 어떤 예측 값을 사용해야 하는지 주의하십시오. 또한 질문을 하기 위해 다른 게시물을 여는 것이 더 낫다고 생각하며 관련이 있는 경우 이 스레드를 참조할 수 있습니다. 그런 식으로 긴 스레드에 질문을 묻는 것보다 낫습니다. 그리고 도움을 받을 수 있는 더 좋은 기회를 얻게 됩니다.
JMP가 R^2를 얻는 방법에 대한 답변입니다. 데이터 테이블에 포함된 스크립트를 실행하여 보고서를 불러옵니다. 그리고 플랫폼 메뉴로 이동하여 "Save Columns" -> "Conditional Pred Values"를 사용하여 예측을 저장합니다. 이제 선형 최소 제곱 모델에서 얻는 것과 같은 방식으로 R^2를 얻습니다. 공식은 여기 적합성 요약 . 예를 들어 잔차를 얻고 오류 SSE의 제곱합을 계산하려면 응답과 예측이 필요합니다. 총 SST의 제곱합을 계산하려면 응답과 평균이 필요합니다. 그러면 R^2는 (SST - SSE)/SST입니다. 그리고 여기 내 계산 증명이 있습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성이 주제와 관련된 질문이 있습니다. JMP가 REML을 사용하여 보고된 RSquare를 계산하는 방법을 보여주는 링크가 있습니까?Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성감사합니다. 이는 표 2의 값과 일치합니다. 대단히 감사합니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성Predicted 값(Cond Pred 값 아님)을 사용하고 분산을 계산하십시오.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성고맙지만 불행히도 저는 R을 사용하지 않습니다(주변 및 조건부 R^2를 직접 생성하는 스크립트가 있음).
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성JMP는 수량을 생성하지 않습니다.
다시한번 확인해보니 잘 이해가 되셨나봅니다. 링크 http://samcarcagno.altervista.org/stat_notes/r2_lmm_jags/r_squared_lmm.html 당신이 제공 한 단서가 있습니다.
그것은 모두 lmer 호출 후에 발생합니다. 그러면 다음을 볼 수 있습니다.
lmeFit@pp$X는 절편과 함께 고정 효과의 설계 행렬입니다. fixef(lmeFit)는 고정 효과 추정치를 반환합니다.
따라서 코드의 첫 번째 줄은 추정치를 사용하여 데이터의 모든 행에 대한 예측(절편 제외)을 계산합니다.
그런 다음 코드의 두 번째 줄은 위에서 나온 것의 표본 분산을 계산합니다. 그리고 이것은 그들의 sigma_f^2입니다. 그래서 결국 내가 생각했던 것이 아닙니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성안녕하세요. 최근 대화에 대한 후속 조치입니다. Nakagawa 논문의 표 2 2열에 있는 분산 성분(VC)을 테스트 데이터 세트(REML을 사용하여 혼합 모델 또는 SLS 모델 실행)를 기반으로 하는 JMP의 분산 성분(VC)과 비교했습니다. JMP 출력에서 고정 효과와 관련된 분산(표 2의 2열에서 1.809와 같음)을 제외하고 Nakagawa의 주변 및 조건부 R^2 값을 생성하는 데 필요한 모든 분산 구성 요소를 찾을 수 있습니다. JMP의 LMM 또는 SLS가 고정 효과에 대한 분산 추정치를 생성할 수 있습니까?
감사해요.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성무작위 효과(예: 분할 플롯 실험 설계의 전체 플롯)의 존재로 인해 혼합 모델을 사용해야 하지만 고정 효과(실험 처리)에 주로 관심이 있는 경우 "한계" R ^2는 고정 효과로 설명되는 변동의 척도를 제공합니다.
의견을 보내주셔서 감사합니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성예측 값을 사용하여 계산된 R^2는 논문의 한계 R^2에 해당합니다. JMP는 해당 버전의 R^2를 생성하지 않습니다. 혼합 모델의 맥락에서 사용해야 하는 이유를 생각할 수 없습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성나는 당신의 우려에 동의합니다. 그러나 문헌은 혼합 모델에서 생성된 R^2가 본질적으로 문제가 있음을 시사합니다. 즉, 모델 항에 의해 설명되는 변동의 일부 척도가 유용합니다(AIC를 사용하여 후보 모델 중에서 선택하는 것과는 상당히 다릅니다).
내 이해는 R^2와 adj입니다. JMP에서 생성된 R^2는 랜덤 효과와 고정 효과의 조합, 즉 전체 모델(조건부 R^2와 유사)에 의해 설명되는 변동을 나타내기 위한 것입니다.
앞에서 제안한 대로 예측 값에 대해 원시 회귀를 통해 얻은 R^2를 어떻게 설명하시겠습니까?
이 주제에 대한 지속적인 토론에 감사드립니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성의견, 제안, 잠정적 결론...
- 제안된 조건부 및 한계 R^2는 개념적으로 JMP의 기존 R^2가 요약하려는 것과 유사합니다. JMP의 기존 R^2에는 저자가 논문의 초반부에서 다루고자 하는 문제가 없습니다.
- 제안된 조건부 및 한계 R^2의 계산은 나에게 명확하지 않습니다. 모델 피팅에서 사용할 수 있는 정보를 사용하여 결과를 재현할 수 없습니다. 나에게 명확하지 않은 중요한 정보가 있습니다.
- 결과를 재현할 수 있는 경우 이를 사용할 수 있습니다.
- 그들의 결과를 재현할 수 없다면 JMP의 기존 R^2가 그들의 결과에 대한 근사치라고 말하지 마십시오. 알 수 없습니다. 의심:
- JMP의 기존 R^2가 항상 그들의 것과 비슷하다면 단순한 계산보다 복잡한 계산을 선호하는 이유가 무엇입니까?
- JMP의 기존 R^2와 해당 버전이 수시로 다른 경우 결과를 재현하는 것부터 시작하여 더 나은 이해가 필요합니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성예, 저는 JMP의 R^2 또는 JMP의 조정된 R^2를 사용할지 여부를 의미했습니다(둘 다 예제의 조건부 R^2에서 약간 벗어남).
문헌에서 "조정된" 조건부 R^2에 대한 언급을 본 적이 없습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성"죄송합니다. 관련 질문이 하나 더 있습니다. JMP의 전체 모델 출력에서 조건부 R^2를 근사화하려는 경우 R^2 또는 조정된 R^2를 사용하는 것이 좋습니다."
논문에서 조건부 R^2를 근사화하기 위해 JMP의 R^2 또는 JMP의 조정된 R^2를 사용하는지 여부를 의미합니까? 그렇다면 확실하지 않습니다. 조건부 R^2에 대한 "조정된" 버전이 있습니까?
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성"추가 관찰: JMP의 절편 값도 전체 모델에 대해 논문에 보고된 값과 달랐지만 절편은 null 모델에 대해 보고된 값과 동일했습니다. 결과의 또 다른 작은 차이. "
예상됩니다. 이 경우 JMP의 인코딩은 절편을 기준 평균으로 만듭니다. 전체 모델에서 절편을 일치시키는 방법은 이전 게시물을 참조하십시오.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성이 스크린샷은 서로 다른 인코딩 체계에서 인터셉트가 어떻게 일치하는지 보여줍니다. 그리고 네, 그 추가 용어는 저에게 명확하지 않습니다. 또한 저자는 분산 계산에 자유도 보정을 사용하지 말라고 언급했습니다. 그것들은 모두 중요한 세부 사항이지만 나에게는 명확하지 않습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성죄송합니다. 관련 질문이 하나 더 있습니다.JMP의 전체 모델 출력에서 조건부 R^2를 근사화하려는 경우 R^2 또는 조정된 R^2를 사용하는 것이 좋습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성
감사해요. 그것은 다시 의미가 있습니다 : 고정 효과 계수 (절편의 차이를 이해하지 못하더라도).
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 잘 모르겠습니다.
이것이 작은 차이를 설명한다고 생각하십니까(즉, 약간의 조정)?
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성당신은 올바르게했습니다! 그리고 JMP와 R 결과를 일치시킬 수 있습니다. 표시되는 차이점은 디자인 매트릭스 코딩 규칙 간의 차이 때문입니다.
다음은 결과를 나란히 보여주는 스크린샷입니다. 첫째, 분산 구성 요소가 완전히 일치합니다. 둘째, JMP 고정 효과 매개변수 추정치(절편 제외)는 정확히 R 추정치의 절반입니다. 표준 오차도 절반입니다. R은 이진 X 변수에 대해 (0, 1) 코딩을 사용하고, JMP는 이진 X 변수에 대해 (-1, 1) 코딩을 사용합니다.
JMP 번호나 R 번호와 관계없이 여기에 표시된 숫자를 사용하여 논문에서 제안된 R^2 숫자를 확인할 수 없습니다. 나는 그들이 한 일에 대해 일종의 길을 잃었습니다. 나는 그것이 무엇인지 이해하지 못하는 sigma_d^2를 포함하는 R^2의 GLMM 버전이 보고된다는 것을 알았습니다. 별도의 문서에 있습니다. 아마도 그것은 빠진 조각일 것입니다. 또한 JMP는 무작위 효과 간에 약간의 상관관계가 있다고 보고합니다. 이 논문은 무작위 효과 간의 상관 관계를 고려하지 않습니다. 이것은 아마도 두 번째 누락된 조각일 것입니다.
JMP가 생성하는 R^2와 내가 제안한 다른 R^2는 그들이 달성하고자 하는 것과 개념적으로 유사합니다. 그러나 나는 그들의 번호를 얻는 방법을 알 수 없습니다. 수치가 거의 비슷해서 다행입니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성추가 관찰: JMP의 절편 값도 전체 모델에 대해 논문에 보고된 값과 달랐지만 절편은 null 모델에 대해 보고된 값과 동일했습니다. 결과의 또 다른 작은 차이.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성안녕하세요.
JMP의 혼합 모델링 절차(혼합 모델 또는 SLS w/ REML을 통해)를 통해 Nakagawa의 "크기 모델" 데이터를 실행해 보았습니다. 결과는 랜덤 효과에 대한 분산 성분과 유사한 AIC, BIC 값을 나타내었지만 고정 효과에 대한 계수는 Nakagawa 논문의 계수와 다릅니다(첨부된 pdf의 표 3 참조).이것은 R과 JMP가 3가지 범주 처리의 계수에 대해 다른 기본 조건을 사용하기 때문일 수 있습니다(예: 여성 대신 남성)?
JMP의 R^2(0.755)는 논문의 조건부 R^2(0.741)와 상당히 유사하지만 완전히 동일하지는 않습니다. JMP 모델에서 예측 값 열을 생성하고 이를 원시 데이터에 대해 회귀했습니다(제안을 올바르게 이해한 경우). 이로 인해 한계 R^2(0.392)와 상당히 유사한 R^2(0.402)가 생성되었지만 역시 완전히 동일하지는 않습니다. 이러한 차이점에 대한 생각이 있습니까?
나카가와 논문과 가져온 데이터 파일을 첨부했습니다. 후자에는 예측 및 조건부 예측 값이라는 두 개의 추가 열이 있습니다.
데이터를 더 자세히 탐색하려면 그렇게 하십시오. 더 많은 것을 배우고 싶습니다.
다시 감사합니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성감사합니다.그들은 원고 부록에 데이터 세트를 제공하는 것으로 보입니다.내가 그것을 검색하고 제안한 테스트를 실행할 수 있는지 확인하겠습니다.
무슨 일이 일어나는지 알려드리겠습니다. 다시 한 번 귀하의 의견에 감사드립니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성돌이켜 보면 참고 논문에 데이터 세트와 모델이 있고 그 결과를 제공한다면 다음을 제안해도 될까요?
데이터 세트를 사용하고 JMP에서 모델을 맞춥니다. JMP R^2를 얻습니다. JMP R^2를 조건부 R^2와 비교합니다.
그런 다음 위의 JMP R^2 계산과 동일한 단계를 따르지만 "조건부 예측 값"을 사용하는 대신 "열 저장" 메뉴에서 "예측 값"을 사용하고 다른 R^2를 계산하여 이를 R*^이라고 합니다. 2. R*^2를 논문의 한계 R^2와 비교하십시오.
비교가 얼마나 가까운지보십시오. 그렇게 할 수 있다면 커뮤니티 독자들에게 알릴 수 있도록 찾은 내용을 다시 게시하십시오. 감사해요!
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성시간을 내어 자세한 설명(및 관련 영상)을 제공해 주셔서 대단히 감사합니다.
안타깝게도 다음을 계산하는 데 선형 대수학 단계가 필요하다고 생각합니다. sigma_f^2 구성 요소가 저 밖에 있습니다.
다시 한번 감사합니다!
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성혼합 모델 보고서에서 모든 정보를 사용할 수 있다고 생각합니다. 그러나 이를 식별하고 수집하려면 상당한 지식이 필요할 수 있습니다. 나는 그것을 시도 줄 것이다. JMP 샘플 데이터 동물을 예로 사용합니다.
1 부
JMP가 R^2를 얻는 방법에 대한 답변입니다. 데이터 테이블에 포함된 스크립트를 실행하여 보고서를 불러옵니다. 그리고 플랫폼 메뉴로 이동하여 "Save Columns" -> "Conditional Pred Values"를 사용하여 예측을 저장합니다. 이제 선형 최소 제곱 모델에서 얻는 것과 같은 방식으로 R^2를 얻습니다. 공식은 여기 적합성 요약 . 예를 들어 잔차를 얻고 오류 SSE의 제곱합을 계산하려면 응답과 예측이 필요합니다. 총 SST의 제곱합을 계산하려면 응답과 평균이 필요합니다. 그러면 R^2는 (SST - SSE)/SST입니다. 그리고 여기 내 계산 증명이 있습니다.
2 부
이제 남은 질문에 답하십시오. sigma_f^2, sigma_a^2 및 sigma_e^2가 필요합니다.
적합 요약에서 sigma_e를 찾을 수 있습니다. 평균 제곱근 오차입니다.
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. 무작위 효과와 관련된 Var 구성 요소입니다. 이 예에는 하나의 구성 요소만 있습니다.
이제 sigma_f^2에 도달했습니다. 이를 위해서는 선형 모델에 대한 상당한 지식이 필요할 수 있습니다. 다음 단계에서 그 이유를 이해하기 위해 일부 교과서를 참조해야 할 수도 있습니다. 단계는 다음과 같습니다.
고정 모수 추정치의 표준 오차가 필요하고 이를 Matrix_S라는 대각선 행렬에 넣고 이러한 표준 오차는 대각선에 둡니다.
고정 모수 추정치의 상관 행렬이 필요합니다. 플랫폼 메뉴 "추정" > "추정 상관관계"로 이동하여 찾을 수 있습니다. 그러나 모든 항목이 필요한 것은 아니며 고정 매개변수와 연결된 왼쪽 상단 사각형 부분만 필요합니다. 행렬의 이 부분을 Matrix_R이라는 행렬에 넣습니다.
이제 Matrix_S, Matrix_R 및 Matrix_S의 곱을 다시 계산하여 새 행렬을 얻으려면 선형 대수가 필요합니다. 결과는 COV라고 하는 고정 매개변수의 공분산 행렬입니다. 이러한 매트릭스 작업의 경우 이 페이지가 도움이 될 수 있습니다. 상관 행렬을 공분산 행렬로 변환
이제 Parameter Estimates가 다시 필요합니다. 이번에는 Estimate 부분입니다. 그것들을 행 벡터에 넣고 VECTOR라고 부릅니다.
이제 더 많은 선형 대수입니다. VECTOR * COV * transpose(VECTOR)를 계산해야 합니다. sigma_f^2가 있습니다.
이제 세 조각이 모두 있습니다. 나머지 계산은 쉬운 부분입니다. 그러나 자동으로 수행하도록 스크립트를 작성하려면 상당한 노력이 필요할 수 있습니다.
Re: 혼합 모델에 대한 조건부 및 한계 R-제곱 생성예, 그랬지만 조건부 또는 한계 R 제곱에 대한 참조를 보지 못했고 두 통계를 계산하는 데 필요한 분산 항을 어디서 얻을 수 있는지도 보지 못했습니다. 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 생성설명서 잘 보셨나요?
혼합 모델 및 랜덤 효과 모델(jmp.com)
