GLMM mit wiederholten Messungen umgehen?Ein potenzieller Kunde benötigt GLMM mit wiederholten Messungen. Ich verstehe, dass GLMM als Add-on verfügbar ist und in 17 nativ sein wird, aber keine wiederholten Messungen verarbeiten kann. Derzeit können gemischte Modelle wiederholte Messungen und zufällige Effekte verarbeiten, jedoch keine nicht normalen Reaktionen. Gibt es kreative Problemumgehungen, um a) eine nicht normale Reaktion (Poisson), b) zufällige Effekte und c) wiederholte Messungen zu bewältigen? Der Anwendungsfall ist ein Hersteller von Insektiziden, der Zählungen auf Grasflächen durchführt, um die Wirksamkeit seines Produkts zu testen. Danke schön.
Betreff: GLMM mit wiederholten Messungen umgehen?Wenn sie einen GLMM verwenden müssen, müssen sie wahrscheinlich vorerst SAS PROC GLIMMIX oder ein R GLMM-Paket verwenden. Ich habe R nicht für ein GLMM mit wiederholten Messungen verwendet, daher kann ich dazu nicht viel sagen. Aber SAS kann den Job auf jeden Fall erledigen.
Betreff: GLMM mit wiederholten Messungen umgehen?Ein kurzes Update. Ich habe noch einmal mit dem Kunden gesprochen und er hat mir gesagt, dass die EPA von ihnen verlangt, in der Analyse, die sie zur Genehmigung einreichen, verallgemeinerte lineare gemischte Modelle (mit wiederholten Messungen) zu verwenden. Ich habe diese Zeile in der EPA-Dokumentation gefunden: „Eine Analyse unter Verwendung verallgemeinerter linearer gemischter Modelle … wird empfohlen, um die LD-Werte für jeden getesteten Schädlingsstamm zu bestimmen.“https://www.regulations.gov/document/EPA-HQ-OPPT-2009-0150-0037, P. 34.
Betreff: GLMM mit wiederholten Messungen umgehen?Hallo Peter,
Ich weiß, dass das im Moment nicht hilft, aber ich kann sagen, dass wir optimistisch sind, dass für 18 zumindest einige Strukturen für wiederholte Messungen hinzugefügt werden. Wir wissen, dass sie notwendig sind (zusammen mit zusätzlichen Distributionen); Bei der ersten Veröffentlichung im Jahr 17 musste der Umfang angepasst werden, um wahrscheinlich ca. 80 % der Anwendungsfälle abzudecken. Wir werden weiterhin Dinge hinzufügen, so wie GenReg in mehreren Versionen Distributionen und Methoden hinzugefügt hat.
Mia pingte @russ_wolfinger und ich über Ihren Beitrag, und Russ hatte folgenden Vorschlag:
„Ich würde eine log2(1+x)-Transformation der Zählungen vorschlagen und gemischte Modelle mit normaler Theorie verwenden.Einheitenänderungen in den transformierten Daten können als Verdoppelung der Anzahl interpretiert werden.
Eine Sache, auf die Sie achten sollten, ist ein Übermaß an Nullen. In diesem Fall könnten die auf Nullen aufgeblasenen Modelle in GenReg zunächst sinnvoll sein, aber beachten Sie, dass diese keine zufälligen Effekte oder wiederholten Messungen verarbeiten.Es könnte sinnvoll sein, die Null-/Nicht-Null-Daten vorab zu analysieren und dann die Nicht-Null-Daten wie oben.
Betreff: GLMM mit wiederholten Messungen umgehen?Danke @Chris_Kirchberg , das schien der logischste Weg nach vorn zu sein. Der Kunde sagte, es sei Poisson, aber ich habe die Daten selbst nicht gesehen.Ich freue mich über die Bestätigung.
Betreff: GLMM mit wiederholten Messungen umgehen?Hallo @Peter_Polito ,
Sind Sie sicher, dass es sich um eine Poisson-Verteilung handelt? Wird pro Zeiteinheit gezählt? Oder handelt es sich um eine Binomial-/Negativ-Binomialverteilung, die nur zählt? In jedem Fall könnten sich beide einer Normalverteilung annähern, wenn Lambda größer ist (Poisson) oder p und n größer sind (Binomial). Überprüfen Sie am besten zunächst die Verteilung der Antwort.
Vor diesem Hintergrund denke ich, dass es immer noch in Ordnung ist, gemischte Modelle zu verwenden, wenn die Antworten nahe an der Normalverteilung liegen und die Residuen normalverteilt sind. Hoffentlich korrigieren mich andere, wenn ich falsch liege.
