Les modèles mixtes linéaires généralisés ont été introduits dans JMP Pro 17, où vous spécifiez deux distributions : binomiale et Poisson.
GLMM combine deux approches : le modèle linéaire mixte et les cadres de modèles linéaires généralisés. GLMM est utile pour trois types de structures de modèles :
- Plans de blocs randomisés complets et incomplets
- Expériences en parcelles divisées
- Modèles à coefficients aléatoires
https://www.youtube.com/watch?v=t0d8min-Mf4
Découvrez comment :
- Modéliser les effets mixtes pour les données de dénombrement à l'aide de la régression de Poisson et interpréter les résultats
- Modéliser les effets mixtes pour les données groupées à l'aide de la régression logistique binaire et interpréter les résultats
- Modéliser les effets mixtes pour les données individuelles à l'aide de la régression logistique binaire et interpréter les résultats
Questions répondues par Jian Cao @jiancao et Byron Wingerd @Byron_JMP pendant la démonstration du webinaire en direct :
Q : Comment évaluez-vous les performances de GLMM ?
R : Voici les tous les détails .
Q : Le fait de ne pas inclure les effets aléatoires entraînerait-il nécessairement toujours une augmentation du risque de surdispersion ?
R : Les effets aléatoires, lorsqu'ils sont inclus, rendent moins probable une surestimation ou une sous-estimation.
Q : Donc, puisque nous avons des effets aléatoires, pourquoi n'utiliserions-nous pas toujours la prédiction conditionnelle ?
R : Nous voulons généralement le profileur de modèle marginal. Le profileur de modèle conditionnel entre plus en détail sur les facteurs sans effectuer une analyse séparée.
Q : GLMM est-il pris en charge dans la plateforme MSA ?
R : Les données générées à partir du générateur MSA peuvent être analysées avec GLMM, mais elles ne sont pas automatiquement intégrées à la plateforme de variabilité ou à MSA.
Q : L'ordre des Y est-il important ? Je suppose que le numérateur est le chiffre le plus élevé.
R : Oui.
Q : Les conceptions à mesures répétées sont-elles spécifiées de la même manière que dans la plateforme de modèles mixtes ?
R : Si vous parlez d'une plate-forme de modèle mixte et non de GLMM, voir https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-repeated-measures.shtml .
Ressources
