線形混合モデル親愛なるみんな、
私は統計の初心者で、jmp を使用するのは初めてですが、spss についてはある程度の知識があります。 最初は自分でやってみましたが、難しすぎます。 皆さんの何人かが私を助けてくれることを願っています以下のとおりです。
3 つの異なる場所 (土壌の種類と気象条件がまったく異なる) の土壌サンプルを収集し、pH、EC、C/N を測定しました。 各拠点に実験サイトを設置。 各場所には 2 種類の植物があり、それぞれの種類に 2 つの異なる処理があります。 1 つは管理であり、もう 1 つは追加の肥料 (窒素とリン) で補正されます。
私がやりたいのは、治療の効果を分析することです。 そこでLMMを使いたいと思います。
私が正しいと思うのは、場所と種類はランダムな要素です。 ただし、モデルに多様性を含めるべきかどうかはわかりません。 そして固定要素は「治療」です。
また、誤差項の正規性をどのように確認すればよいのかわかりません。 それらの要因を相互作用せずに「構築モデル効果」に入れただけですか?
敬具。
Re: 線形混合モデルつまり、Box cox が適用された後、リシュアルの分布は正規になるはずですよね? 私の場合はそうではありません...
データの分析に使用できる別の統計テストはありますか?
Re: 線形混合モデルもちろん。したがって、Box-Cox は、分散をより均一にし、残差をより正規にするために、いくつかの最適な変換を推奨します。基本的に、値 λ = 0 が自然対数変換を示す場合を除き、べき乗変換 (y^λ) の範囲にわたってモデルの SSE を評価します。SSE を最小化する変換が「最良の」変換です。ただし、曲線の底部は通常はほぼ平坦なので、近傍内でさまざまな変換を選択できます。 通常、意味のあるものに対応するものを選択する必要があります。たとえば、Best λ = -0.98 の場合、-0.98 は実際には -1 に近いため、その逆をとることを選択します。
以下に例を示します。正規誤差を使用して線形モデルを生成し、すべての応答値を二乗しました。Box-Cox が通常のデータを再び取得するには平方根を求める必要があると教えてくれることを期待する必要があります。実際に得たものは次のとおりです。
「最良の」変換は 0.451 であることがわかりますが、実際の答えは 0.5 であり、これは非常に近い値であることがわかります。本当の答えがわからなかったとしても、私はやはり 0.5 を選択するでしょう。 [Box-Cox Transformations] の横にある赤い矢印をクリックし、[Replace with Transform] を選択すると、目的の変換を使用してモデルを再実行できます。必要な値を入力するように求めるポップアップ ボックスが表示されます。[OK] を押すと、変換された応答を含む新しい適合モデルが取得されます。
Re: 線形混合モデルありがとう！
最初の提案を試しましたが、残差はまだ正規分布していませんでした。
それから、２番目の御提案ですけれども、テストはしましたが、これをどうするのかよくわかりません。 教えてもらえませんか？
Re: 線形混合モデル尻尾は少し重いですが、それほど深刻ではありません。快適さのレベルによっては、何も是正措置を講じないことも正当化される可能性があります。おそらくモデルには重い裾による偏りはありませんが、予測間隔が必要よりも少し狭くなる可能性があります。
これに対処したい場合は、すべてを一時的に固定効果として扱い、もう少し深く掘り下げることをお勧めします。すべてのモデル項を使用して完全な階乗モデルを実行し、残差を調べて、それらがより正規であるかどうかを確認します。問題がないようであれば、追加のモデル項のいずれかが重要かどうかを確認してください。存在する場合は、それらを混合モデルに組み込んで再実行できます。
データ ポイントがすべて正である限り、すべての効果を固定として扱いながら (混合モデルでは使用できません)、モデルのフィットでボックス-コックス分析を試すこともできます。ご回答はpHなので問題ないと思います。これにより、残差を最適に「正規化」するべき乗変換が推奨されます。
Re: 線形混合モデルサンプル数は 215 です。
Re: 線形混合モデルデータセットの合計はどのくらいの大きさですか?通常の分位点プロットを投稿していただければ、そこからお手伝いさせていただきます。
Re: 線形混合モデルやあ！
ご回答どうもありがとうございました！
あなたの言ったことを試してみましたが、条件付き残差は正規分布になりませんでした。 log(y)で変換しようとしましたが、うまくいきませんでした。 これについて別の提案はありますか? また、条件付き残差を取得するために、「完全階乗」を適用する必要はありませんでしたね。
敬具
Re: 線形混合モデルやあ@アシャ、
コミュニティへようこそ！
おそらくその場所がランダムな影響を与えるのに適した候補であることには同意しますが、植物の品種は治療とともに固定されるだろうと思います。品種をランダムとして扱うのは必ずしも間違いではありませんが、テストした品種が、結果を一般化したいすべての品種の代表サンプルとして選択されていない限り、少し奇妙に思えます。処理以外の固定効果があるからといって、植物品種間で処理の有効性を比較する能力が低下するわけではありません。
JMP Pro をお持ちの場合は、Fit Model プラットフォームでいくつかの方法で適切なモデルを適合させることができます。Pro を持っている場合は、Fit Model の Mixed Model パーソナリティが推奨されます。基本の JMP しか持っていない場合は、次の方法でモデルを指定できます。
繰り返しますが、本当に必要であれば、多様性をランダムとして扱うことができます。私はそれを絶対に除外しません。なぜなら、それが多くの分散を説明するのであれば、その項を除外すると、多様性によって説明されるすべての分散が残留ノイズに入り、治療効果の検定が弱くなるからです。
仮定のチェックに関しては、通常の (「周辺」) 残差ではなく条件付き残差に基づいて行うことをお勧めします。これは、周辺残差では変量効果が考慮されず、診断プロットが仮定を満たしていないように見える可能性があるためです。JMP Pro を使用せずに条件付き残差を取得するには、レポート ウィンドウの赤い矢印 > 保存 > 条件付き残差の保存に移動します。次に、条件付き残差に正規分布を近似した後、それらを分布でプロットし、正規分位プロットまたはシャピロ・ウィルク検定による適合度の正規性をチェックする必要があります。
同様に、条件付き残差を実行チャートにプロットして、独立性を確認できます。残差と予測値のプロットを作成する場合は、条件付き予測値も保存してから、グラフ ビルダーなどでプロットを構築することもできます。
JMP Pro をお持ちの場合は、混合モデルの特性を備えたモデルの適合レポート内のすべての条件付き残差プロットを取得できます。これは非常に優れています。
