GLMMの非反復測定データのランダム効果をいつ指定できますか@jiancao 、MidyearでのGLMMプレゼンテーションには、レベルごとに1つの観測値のみを持つ因子のランダム効果を指定した例（例＃2）が含まれていました。臨床研究では被験者ごとに1つの観測値がありましたが、ランダム効果として被験者を含めました。追加の被験者間の変動を説明します。 ランダム効果を推定するために反復測定が必要な通常の応答分布のコンテキストで混合モデルを学習したため、このランダム効果の使用に慣れていません。
2つの質問：
- GLMMのランダム効果を推定するために反復測定が必要ないのはなぜですか？
- 反復測定データに対するGLMMでのランダム効果の使用は、あなたの経験では一般的ですか？ それが一般的でない場合は、GLMMデモでそのような例を提示することを避け、反復測定データに固執するでしょう。
Re：GLMMの非反復測定データのランダム効果ロス、これをフォローアップしてくれてありがとう！
Q1。GLMMのランダム効果を推定するために反復測定が必要ないのはなぜですか？
私が示した2つのGLMMモデルの分布は、二項分布とポアソン分布です。 それらは単一パラメーター分布と見なされます。 ポアソンの場合、パラメーターは平均と分散であるλです。二項の場合、それはpであり、平均はn * p分散はn * p *（1-p）どこnサンプルサイズです。 これらのような単一のパラメーター分布の場合、GLMMは、断面データを使用して、被験者のランダムな変動による変動を識別できます。 （これらは、JMP Pro 17で現在利用可能な2つのGLMMモデルのみです。）
Q2。 反復測定データに対するGLMMでのランダム効果の使用は、あなたの経験では一般的ですか？ それが一般的でない場合は、GLMMデモでそのような例を提示することを避け、反復測定データに固執するでしょう。
A。 私は現在の役割と以前の仕事でまだGLMMについて多くの経験を持っていませんが、GLMMがどのように役立つかはわかります。 たとえば、分割プロットの設計が一般的です。 カスタムデザインで指定された回帰モデルは、応答が連続的であると想定しているため、線形混合モデルです。 応答が合格/不合格、または欠陥数の場合はどうなりますか？ GLMMを検討する必要があります。
GLMMをデモするかどうかについては、対象者によって異なります。 見込み客がGLMまたはLMMを使用したことがない場合、GLMMは難しいかもしれません。 しかし、彼らがすでにGLMまたはLMMを知っている場合は、GLMMが必要なので、GLMMは自然なアップグレードです。
Re：GLMMの非反復測定データのランダム効果ありがとう@jiancao 。 したがって、断面データはGLMMで現在利用可能な応答分布で機能するように見えますが、将来のバージョンで個別のスケールパラメーター（ガンマなど）を持つ分布が導入される場合、その分布を持つGLMMの反復測定データが必要になります。
GLMMの一般的な適用性について同意します。 それらは、学術市場の一部で人気があります。 特に、標準の混合モデルのように反復測定データがない例2のような例のデモについて興味があります。 GLMMを頻繁に使用する人にとっては、例2のように断面コンテキストでのランダム効果の使用に精通しているかもしれませんが、これは実際には一般的ではないため、回避するためにそのような例のデモは避けたいと思います。混乱したり、統計的な雑草に行き過ぎたりします。
Re：GLMMの非反復測定データのランダム効果したがって、断面データはGLMMで現在利用可能な応答分布で機能するように見えますが、将来のバージョンで個別のスケールパラメーター（ガンマなど）を持つ分布が導入される場合、その分布を持つGLMMの反復測定データが必要になります。
正しい。
GLMMを頻繁に使用する人にとっては、例2のように断面コンテキストでのランダム効果の使用に精通しているかもしれませんが、これは実際には一般的ではないため、このような例のデモは避けたいと思います。混乱したり、統計的な雑草に行き過ぎたりしないようにしてください。
GLMMに精通している人は、プレゼンテーションの最後に述べた、負の二項分布やAR（1）のような反復構造の被験者内変動について質問する可能性があります。 JMP Pro 18が出る前に例2のようなケースのデモを避けるかどうかについては、私が決めさせていただきます。
私のEx。＃3 Manufacturing Defects（これはJMPドキュメントにあります）では、カウントはロットごとに繰り返されますが、いいえユニットあたり。 ランダム効果としてロットのみを含めると、過剰分散（つまり、余分な変動）が発生するため、推奨されるGLMMモデルは、ランダム効果としてロットとユニットの両方を含むモデルです。
