反復測定でGLMMを回避しますか？潜在的な顧客は、反復測定を伴うGLMMを必要としています。 GLMMはアドオンとして利用可能であり、17でネイティブになるが、反復測定を処理しないことを理解しています。 現在、混合モデルは反復測定とランダム効果を処理できますが、非正規応答は処理できません。 a）非正常応答（ポアソン）、b）ランダム効果、およびc）反復測定を処理するための創造的な回避策はありますか？ ユースケースは、製品の有効性をテストするために草の区画でカウントを実行する殺虫剤のメーカーです。 ありがとうございました。
Re：反復測定でGLMMを回避しますか？やあ@Peter_Polito 、
ポアソン分布でよろしいですか？ 単位時間あたりにカウントされますか？ それとも、それは二項/負の二項分布でしょうか？ いずれにせよ、ラムダが大きい場合（Poisson）またはpとnが大きい場合（Binomial）、両方が正規分布に近似する可能性があります。 最初に応答の分布を確認するのが最善です。
そうは言っても、応答が正規分布に近く、残差が正規分布している場合は、混合モデルを試して使用しても問題ないと思います。 うまくいけば、私が間違っていれば、他の人が私を訂正してくれるでしょう。
Re：反復測定でGLMMを回避しますか？こんにちは、ピーター、
これは今のところ役に立たないことはわかっていますが、少なくともいくつかの反復測定構造が18に追加されることを楽観視しています。 それらが必要であることはわかっています（追加のディストリビューションとともに）。 17の最初のリリースは、おそらくユースケースの約80％を取得するために、スコープを設定する必要がありました。 GenRegがいくつかのリリースにまたがってディストリビューションとメソッドを追加したように、引き続き追加していきます。
ミアはpingを実行しました@russ_wolfingerそして私はあなたの投稿について、そしてラスは次の提案をしました：
「カウントのlog2（1 + x）変換を提案し、通常の理論の混合モデルを使用します。変換されたデータの単位の変更は、カウントの2倍として解釈できます。
注意すべき点の1つは、ゼロの超過です。この場合、GenRegのゼロ膨張モデルは最初は意味があるかもしれませんが、これらはランダム効果や反復測定を処理しないことに注意してください。上記のように、ゼロ/非ゼロのデータを事前に分析してから、非ゼロのデータを事前に分析することは理にかなっています。」
Re：反復測定でGLMMを回避しますか？ありがとう@Chris_Kirchberg 、これは最も論理的な前進の道のように思えました。 ポアソンだとお客様から言われましたが、私自身はデータを見ていません。確認ありがとうございます。
Re：反復測定でGLMMを回避しますか？簡単な更新。 私はもう少し顧客と話をしました、そして彼は彼らが承認のために提出する分析で一般化線形混合モデル（反復測定を伴う）を使用することを彼らに要求していると彼は私に言いました。 私はEPAの文書でこの行を見つけました。「一般化線形混合モデルを使用した分析は、テストされた各害虫株のLD値を決定するために推奨されます。」https://www.regulations.gov/document/EPA-HQ-OPPT-2009-0150-0037、 p。 34。
