선형 혼합 모형여러분 모두에게,
제가 통계 초보이고 jmp를 처음 써보는 거라 spss에 대한 지식은 조금 있습니다. 처음에 혼자 해봤는데 너무 어렵네요. 여러분 중 일부가 저를 도울 수 있기를 바랍니다. 다음과 같이:
나는 3개의 다른 위치(완전히 다른 토양 유형과 날씨 조건)의 토양 샘플을 수집하고 pH, EC 및 C/N을 측정했습니다. 각 위치에 실험 사이트가 설정되어 있습니다. 각 위치에는 2가지 식물 품종이 있으며 각 품종에는 2가지 다른 치료법이 있습니다. 하나는 제어이고 다른 하나는 추가 비료(질소 및 인)로 수정됩니다.
제가 하고 싶은 것은 치료의 효과를 분석하는 것입니다. 따라서 LMM을 사용하고 싶습니다.
내가 생각하는 것은 옳은 것입니다. 위치와 다양성은 임의의 요소입니다. 그러나 내 모델에 다양성을 포함해야 하는지 잘 모르겠습니다. 그리고 고정 요소는 '치료'입니다.
그리고 오차항의 정규성을 어떻게 확인해야 하는지 모르겠습니다. 그 요인들의 상호작용 없이 그냥 '모델 효과 구축'에 넣었습니까?
감사합니다.
Re: 선형 혼합 모델그럼 박스콕스를 적용한 후에는 리슈얼의 분포가 정상적으로 되어야겠죠? 제 경우에는 그렇지 않습니다...
내 데이터를 분석하는 데 사용할 수 있는 다른 통계 테스트가 있습니까?
Re: 선형 혼합 모델확신하는.따라서 Box-Cox는 분산을 보다 균일하게 만들고 잔차를 보다 정규화하기 위해 최적의 변환을 권장합니다.기본적으로 λ = 0 값이 자연 로그 변환을 나타내는 경우를 제외하고 전력 변환 범위(y^λ)에서 모델의 SSE를 평가합니다.SSE를 최소화하는 변환이 "최상의" 변환입니다.그러나 곡선의 바닥은 일반적으로 약간 평평하므로 이웃 내에서 다양한 변형을 선택할 수 있습니다. 일반적으로 의미 있는 항목에 해당하는 항목을 선택하려고 합니다.예를 들어 Best λ = -0.98인 경우 -0.98이 실제로 -1에 가깝기 때문에 역수를 선택합니다.
다음은 예입니다. 정상 오류를 사용하여 선형 모델을 생성하고 모든 응답 값을 제곱했습니다.Box-Cox가 정상적인 데이터를 다시 얻으려면 제곱근을 취해야 한다고 말할 것으로 예상해야 합니다.내가 실제로 얻은 것은 다음과 같습니다.
"최상의" 변환이 0.451이라는 것을 알 수 있지만 실제 답은 0.5이고 이것은 정말 근접합니다.진짜 답을 모른다면 여전히 0.5를 선택할 것입니다. "Box-Cox 변환" 옆에 있는 빨간색 화살표를 클릭하고 "변환으로 바꾸기"를 선택하여 원하는 변환으로 모델을 다시 실행할 수 있습니다.원하는 값을 입력하라는 팝업 상자가 나타납니다.확인을 누르면 변환된 응답이 포함된 새 맞춤 모델이 표시됩니다.
Re: 선형 혼합 모델감사합니다!
첫 번째 제안을 시도했지만 잔차가 여전히 정상적으로 분포되지 않았습니다.
그리고 당신의 두 번째 제안에 대해, 나는 테스트를 했지만 이것으로 무엇을 해야할지 잘 모르겠습니다. 저를 계몽해 주시겠습니까?
Re: 선형 혼합 모델당신의 꼬리는 약간 무겁지만 실제로 그렇게 심하지는 않습니다.편안함 수준에 따라 시정 조치를 취하지 않는 것을 정당화할 수 있습니다.모델이 더 두꺼운 꼬리로 인해 어떤 식으로든 편향되지 않았을 수 있지만 예측 간격이 예상보다 약간 좁을 수 있습니다.
해결하고 싶다면 모든 것을 일시적으로 고정 효과로 취급하여 조금 더 깊이 파고들 수 있도록 하는 것이 좋습니다.모든 모델 항으로 완전 요인 모델을 수행하고 잔차가 더 정상적인지 확인하십시오.보기에 좋으면 추가 모델 항이 유의미한지 확인하십시오.그렇다면 혼합 모델에 통합하고 다시 실행할 수 있습니다.
데이터 포인트가 모두 양수인 한 모든 효과를 고정된 것으로 처리하는 동안(혼합 모델에는 사용할 수 없음) 모델 적합에서 Box-Cox 분석을 시도할 수도 있습니다.귀하의 반응은 pH이므로 문제가 되지 않을 것 같습니다.이렇게 하면 잔차를 가장 잘 "정규화"하는 거듭제곱 변환이 권장됩니다.
Re: 선형 혼합 모델215개의 샘플이 있습니다.
Re: 선형 혼합 모델총 데이터 세트의 크기는 얼마입니까?정상적인 Quantile 플롯을 게시하면 거기에서 도움을 드릴 수 있습니다.
Re: 선형 혼합 모델안녕!
대답 해 주셔서 감사합니다!
나는 당신이 말한 것을 시도했지만 조건부 잔차에는 정규 분포가 없었습니다. log(y)로 변환을 시도했지만 작동하지 않았습니다. 이것에 대한 다른 제안이 있습니까? 그리고 조건부 잔차를 구하려면 '완전 계승'을 적용할 필요가 없겠죠?
친절한 안부
Re: 선형 혼합 모델안녕 @아샤 ,
커뮤니티에 오신 것을 환영합니다!
위치가 무작위 효과에 대한 좋은 후보라는 데 동의하지만 식물 품종은 처리와 함께 고정될 것이라고 생각합니다.다양성을 무작위로 취급하는 것이 반드시 잘못된 것은 아니지만 테스트한 품종이 결과를 일반화하려는 모든 품종의 대표 샘플로 선택되지 않는 한 약간 이상해 보입니다.처리 이외의 다른 고정 효과가 있다고 해서 식물 품종 간에 처리의 효능을 비교하는 능력이 감소하지 않습니다.
JMP Pro가 있는 경우 모델 적합 플랫폼에서 여러 방법으로 적절한 모델을 적합시킬 수 있습니다.Pro가 있는 경우 Fit Model의 혼합 모델 성격이 선호됩니다.기본 JMP가 있는 경우 다음과 같이 모델을 지정할 수 있습니다.
다시 말하지만, 원하는 경우 다양성을 무작위로 처리할 수 있습니다.많은 분산을 설명하는 경우 해당 용어를 제외하면 다양성에 의해 설명되는 모든 분산이 잔류 노이즈로 들어가고 치료 효과에 대한 테스트가 덜 강력해지기 때문에 확실히 제외하지는 않을 것입니다.
가정을 확인하는 한, 한계 잔차는 무작위 효과를 고려하지 않고 진단 플롯이 가정에 실패한 것처럼 보일 수 있기 때문에 정규("한계") 잔차가 아닌 조건부 잔차를 기반으로 하는 것이 좋습니다.JMP Pro 없이 조건부 잔차를 얻으려면 보고서 창의 빨간색 화살표 > 저장 > 조건부 잔차 저장으로 이동합니다.그런 다음 정규 분위수 플롯 또는 정규 분포를 조건부 잔차에 맞춘 후 적합도에 대한 Shapiro-Wilk 테스트로 정규성을 확인하기 위해 분포에 플로팅해야 합니다.
런 차트에 조건부 잔차를 유사하게 표시하여 독립성을 확인할 수 있습니다.잔차 대 예측 플롯을 생성하려는 경우 조건부 예측 값을 저장한 다음 Graph Builder와 같은 플롯을 구성할 수도 있습니다.
JMP Pro가 있는 경우 혼합 모델 특성이 포함된 적합 모델 보고서 내에서 모든 조건부 잔차 그림을 얻을 수 있습니다. 정말 좋습니다.
