GLMM에서 반복되지 않는 측정 데이터에 대한 임의 효과를 언제 지정할 수 있습니까?@jiancao , Midyear에서 귀하의 GLMM 프레젠테이션에는 수준당 하나의 관찰만 있는 요인에 대한 무작위 효과를 지정한 예(예 #2)가 포함되었습니다. 임상 연구에서 대상당 하나의 관찰이 있었지만 대상을 무작위 효과로 포함했습니다. 추가적인 주제 간 변동성을 고려하십시오. 랜덤 효과를 추정하기 위해 반복 측정이 필요한 정규 반응 분포의 맥락에서 혼합 모델을 배웠으므로 랜덤 효과의 사용에 익숙하지 않습니다.
두 가지 질문:
- GLMM에서 무작위 효과를 추정하는 데 반복 측정이 필요하지 않은 이유는 무엇입니까?
- 반복되지 않는 측정 데이터에 대한 GLMM의 무작위 효과 사용이 귀하의 경험에서 일반적입니까? 일반적이지 않다면 GLMM 데모에서 이와 같은 예를 제시하는 것을 피하고 반복 측정 데이터를 고수할 것입니다.
Re: GLMM의 비반복 측정 데이터에 대한 무작위 효과로스, 이에 대한 후속 조치에 감사드립니다!
Q1.GLMM에서 무작위 효과를 추정하는 데 반복 측정이 필요하지 않은 이유는 무엇입니까?
내가 보여준 두 GLMM 모델의 분포는 Binomial과 Poisson입니다. 단일 매개변수 분포로 간주됩니다. 푸아송의 경우 매개변수는 평균과 분산인 λ입니다. 이항식의 경우 p이고 평균은 다음과 같습니다. n*p 그리고 분산은 n*p*(1-p) 어디 N 샘플 크기입니다. 이러한 GLMM과 같은 단일 매개변수 분포의 경우 횡단면 데이터가 있는 무작위 주제 변동성으로 인한 변동을 식별할 수 있습니다. (현재 JMP Pro 17에서 사용할 수 있는 유일한 2개의 GLMM 모델입니다.)
Q2. 반복되지 않는 측정 데이터에 대한 GLMM의 무작위 효과 사용이 귀하의 경험에서 일반적입니까? 일반적이지 않다면 GLMM 데모에서 이와 같은 예를 제시하는 것을 피하고 반복 측정 데이터를 고수할 것입니다.
ㅏ. 저는 아직 현재의 역할과 이전 직장에서 GLMM에 대한 많은 경험이 없었지만 GLMM이 얼마나 유용할 수 있는지 알 수 있습니다. 예를 들어 분할구 설계가 일반적입니다. Custom Design에서 지정한 회귀 모델은 반응이 연속적이라고 가정하기 때문에 선형 혼합 모델입니다. 응답이 합격/불합격 또는 결함 개수인 경우 어떻게 됩니까? GLMM을 고려해야 합니다.
GLMM을 시연할지 여부는 청중에게 달려 있습니다. 잠재 고객이 GLM 또는 LMM을 사용한 적이 없다면 GLMM이 어려울 수 있습니다. 그러나 그들이 이미 GLM 또는 LMM을 알고 있다면 GLMM은 내가 원하기 때문에 자연스러운 업그레이드입니다.
Re: GLMM의 비반복 측정 데이터에 대한 무작위 효과감사 @jiancao . 따라서 횡단면 데이터가 GLMM에서 현재 사용 가능한 응답 분포와 함께 작동하는 것처럼 들리지만 향후 버전에서 별도의 척도 매개변수(예: 감마)가 있는 분포를 도입하면 해당 분포가 있는 GLMM에 대해 반복 측정 데이터가 필요합니다.
나는 일반적으로 GLMM의 적용 가능성에 동의합니다. 그들은 학술 시장의 한 부문에서 인기를 끌 것입니다. 나는 표준 혼합 모델에서와 같이 반복 측정 데이터가 없는 예제 #2와 같은 예제를 시연하는 것에 대해 구체적으로 더 궁금합니다. GLMM을 많이 사용하는 사람들의 경우 예제 #2에서와 같이 횡단면 컨텍스트에서 임의 효과를 사용하는 데 익숙할 수 있지만 실제로는 일반적이지 않을 수 있으며 이러한 예제를 사용하여 데모를 피하고 싶습니다. 혼란을 일으키거나 통계적 잡초에 너무 빠져들게 됩니다.
Re: GLMM의 비반복 측정 데이터에 대한 무작위 효과따라서 횡단면 데이터가 GLMM에서 현재 사용 가능한 응답 분포와 함께 작동하는 것처럼 들리지만 향후 버전에서 별도의 척도 매개변수(예: 감마)가 있는 분포를 도입하면 해당 분포가 있는 GLMM에 대해 반복 측정 데이터가 필요합니다.
옳은.
GLMM을 많이 사용하는 사람들의 경우 예 #2에서와 같이 횡단면 컨텍스트에서 무작위 효과를 사용하는 것에 익숙할 수 있지만 실제로는 일반적이지 않을 수 있으며 우리는 다음과 같은 예를 시연하는 것을 피하고 싶습니다. 혼란을 피하거나 통계적 잡초에 너무 빠져들지 마십시오.
GLMM에 익숙한 사람들은 네거티브 이항(Negative Binomial)과 같은 분포 또는 주제 내 변동성을 위한 AR(1)과 같은 반복 구조에 대해 질문할 것입니다. JMP Pro 18이 나오기 전에 예제 #2와 같은 데모 케이스를 피할지 여부는 내가 결정하도록 합니다.
내 Ex.#3 제조 결함(JMP 문서에 있음)에서 개수는 로트별로 반복되지만 ~ 아니다 유닛 당. Lot만 무작위 효과로 포함하면 과산포(즉, 추가 변동성)가 발생하므로 권장 GLMM 모델은 Lot와 Unit을 무작위 효과로 모두 사용하는 모델입니다.
