Los modelos lineales mixtos generalizados se introdujeron en JMP Pro 17, donde se especifican dos distribuciones: binomial y Poisson.
GLMM combina dos enfoques: el modelo lineal mixto y los marcos del modelo lineal generalizado. GLMM es útil para tres tipos de estructuras modelo:
- Diseños de bloques completos e incompletos aleatorios.
- Experimentos de trama dividida
- Modelos de coeficientes aleatorios
https://www.youtube.com/watch?v=t0d8min-Mf4
Vea cómo:
- Modele efectos mixtos para datos de recuento utilizando la regresión de Poisson e interprete los resultados
- Modele efectos mixtos para datos agrupados mediante regresión logística binaria e interprete los resultados.
- Modele efectos mixtos para datos individuales mediante regresión logística binaria e interprete los resultados
Preguntas respondidas por Jian Cao @jiancao y Byron Wingerd @Byron_JMP durante la demostración del seminario web en vivo:
P: ¿Cómo evalúa el desempeño de GLMM?
R: Aquí están los todos los detalles .
P: ¿No incluir los efectos aleatorios necesariamente conduciría siempre a un aumento en la posibilidad de sobredispersión?
R: Los efectos aleatorios, cuando se incluyen, hacen menos probable que usted sobreestime o subestime.
P: Entonces, dado que tenemos efectos aleatorios, ¿por qué no siempre usaríamos la predicción condicional?
R: Generalmente queremos el generador de perfiles de modelo marginal. El Generador de perfiles de modelo condicional entra en más detalles sobre los factores sin realizar un análisis por separado.
P: ¿GLMM es compatible con la plataforma MSA?
R: Los datos generados por el generador de MSA se pueden analizar con GLMM, pero no se integran automáticamente con la plataforma de variabilidad o MSA.
P: ¿Importa el orden de las Y? Supongo que el numerador es el número superior.
R: Sí.
P: ¿Los diseños de medidas repetidas se especifican de la misma manera que en la plataforma de modelo mixto?
R: Si te refieres a una plataforma de modelo mixto y no a GLMM, consulta https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-repeated-measures.shtml .
Recursos
