의 뛰어난 프레젠테이션 @eclaassen 그리고 얼리어답터로서 저는 JMP Pro 18에서 지원되는 모든 새로운 배포판을 보게 되어 기뻤습니다(JMP Pro 17의 두 가지 옵션에서 18의 8개까지!).
혼합 모델링은 둘 이상의 무작위 변동 소스(블로킹, 분할 도표 등)를 사용하여 데이터를 분석하기 위한 표준이었습니다.LMM(선형 혼합 모델)은 반응이 한계 없이 연속적이라고 가정합니다. 반응이 이산형 카운트, 이항 반응 또는 y/n 비율인 경우 다음을 사용하세요. 일반화 선형 혼합 모형(GLMM).
방법을 확인하세요:
- GLMM의 기본 이해
- (영상시간 ~23:40) 첫 번째 예시의 Q&A를 이해하고 들어보세요. 혼합 모델용 SAS(2018), 예제 11.5; 바이틀러 앤 랜디스( 생체 인식 , 1985)
- 다지역 임상시험
- 8개 진료소, 2가지 치료법: “CNTL”과 “DRUG”
- 치료에 할당된 n_ij 환자 나 진료소에서 제이
- 반응 변수 y_ij는 좋은 결과를 얻은 환자의 수입니다.
- 목표: “약물”이 유리한 결과의 확률을 증가시키는가? 그렇다면 어느 정도 증가합니까?
- (영상시간 ~48:40) 두 번째 예시의 Q&A를 이해하고 들어보세요. 혼합 모델용 SAS(2018), 예제 12.3
- 다중 소스, 무작위 계수 회귀
- 8개
- 금액 X_1=0, X_2=2, X_3=4,… X_6=각 로트의 샘플에 마감 처리 10 적용
- 응답 변수 y_ij는 수량 i, lot에 대한 완제품의 비정상 마이크로 사이트 수입니다. 제이 – 이산 카운트
- 목표:
- 마무리 처리량 증가가 이상 미세 부위 수에 미치는 영향 추정
- 선형 회귀를 통해 위의 추정
- 예상되는 이상 미세 부위 수 ≤ 1을 보장하는 데 필요한 마무리 처리량을 결정합니다.
엘리자베스 @eclaassen 그리고 지안 카오 @jiancao 전체 질문에 답하고 JMP 향후 버전에서 GLMM을 개선하기 위한 계획에 대해 논의하세요.
질문: JMP Pro 17에는 추정치와 신뢰 구간을 역변환하는 연결 옵션이 있습니까?
A: 예, 데모에서도 확인 가능합니다.
Q: 과분산 또는 과소분산의 증거가 발견되면 어떻게 됩니까?
A: 저는 분산 부족 문제에 부딪힌 적이 없으므로 특별히 걱정할 문제는 아닙니다.과분산의 경우 모델을 정의하기 위해 ANOVA 프로세스를 거친 후에도 모델에 포함해야 하는 항이 여전히 존재하는 경우 모델에서 누락되는 문제인 경우가 많습니다. 그렇다면 아마도 우리가 살펴봐야 할 또 다른 분포일 것입니다. 아니면 아마도 그것은 이항식이 아니고 0으로 팽창된 이항식일 수도 있고 그런 라인을 따르는 것일 수도 있습니다. 그래서 우리는 그것을 고려해야 합니다.
Fit Statistics Chi Square Might Identify Dispersion in ModelFit Statistics Chi Square Might Identify Dispersion in Model적합 통계 카이제곱은 모델의 분산을 식별할 수 있음
Q: GLMM에는 일반화된 가법 모델이 포함되어 있나요?
A: 아니요, 현재는 아닙니다.
자원
