Soluzione per GLMM con misure ripetute?Un potenziale cliente ha bisogno di GLMM con misure ripetute. Comprendo che GLMM è disponibile come componente aggiuntivo e sarà nativo in 17 ma non gestirà misure ripetute. Attualmente, i modelli misti possono gestire le misure ripetute e gli effetti casuali ma non le risposte non normali. Qualche soluzione creativa per gestire a) una risposta non normale (Poisson), b) effetti casuali ec) misure ripetute? Il caso d'uso è un produttore di insetticidi che esegue conteggi su appezzamenti di erba per testare l'efficacia del proprio prodotto. Grazie.
Re: Come aggirare il GLMM con misure ripetute?Ciao @Pietro_Polito ,
Sei sicuro che sia una distribuzione di Poisson? Conta per unità di tempo? O è una distribuzione binomiale/negativa, conta solo? In entrambi i casi, entrambi potrebbero approssimare una distribuzione normale se lambda è maggiore (Poisson) o p e n sono maggiori (Binomiale). È meglio controllare prima la distribuzione della risposta.
Detto questo, penso che sia ancora corretto provare a utilizzare i modelli misti se le risposte sono vicine alla distribuzione normale e i residui sono normalmente distribuiti. Spero che altri mi correggano se sbaglio.
Re: Come aggirare il GLMM con misure ripetute?Ciao Peter,
So che questo non aiuta in questo momento, ma posso dire che siamo ottimisti sul fatto che almeno alcune strutture di misure ripetute verranno aggiunte per 18. Sappiamo che sono necessari (insieme a distribuzioni aggiuntive); la versione iniziale in 17 doveva essere considerata come ambito per ottenere quello che probabilmente è circa l'80% dei casi d'uso. Continueremo ad aggiungere cose, proprio come GenReg ha aggiunto distribuzioni e metodi in diverse versioni.
Mia ha suonato @russ_wolfinger e io sul tuo post, e Russ ha avuto il seguente suggerimento:
" Suggerirei una trasformazione log2(1+x) dei conteggi e userei modelli misti di teoria normale.Le variazioni di unità nei dati trasformati sono interpretabili come un raddoppio del conteggio.
Una cosa a cui prestare attenzione è un eccesso di zeri, nel qual caso i modelli a gonfiaggio zero in GenReg potrebbero inizialmente avere senso, ma nota che non gestiscono effetti casuali o misure ripetute.Potrebbe avere senso pre-analizzare i dati zero/diversi da zero e quindi i dati diversi da zero come sopra."
Re: Come aggirare il GLMM con misure ripetute?Grazie @Chris_Kirchberg , questo sembrava il percorso più logico da seguire. Il cliente ha detto che è Poisson ma non ho visto i dati da solo.Apprezzo la conferma.
