一般化線形混合モデル アドインこのアドインを使用すると、JMP で一般化線形混合モデルを実行できます。 デフォルトのパラメータ設定は、SAS %GLIMMIX マクロとほとんど同じで、モデルに適合させるために反復的に再重み付けされた尤度を使用します (Wolfinger & O'connell、1993)。
の「列の選択」パネル現在のデータセット内のすべての変数を示します。
の「ロール変数の選択」パネル以下を指定できます。
- Y: 応答変数。
- 重み: 分析の重み付け変数。
- オフセット: オフセット変数。 デフォルトはオフセットなしです。
- By: by 変数を使用すると、サブグループのモデルを同時に適合させることができます。
のモデル効果の構築パネルには次のものが含まれます。
のオプションパネル以下が含まれます:
- 分布: 応答変数の分布。 デフォルトは二項です。
- リンク: 混合モデルを利用する前に、応答変数を擬似スコアに変換するために使用するリンク関数。 正規リンク機能を提供します。
- 最大反復回数: アルゴリズムが収束するまでの最大反復回数。 デフォルト値は 30 です。
- 収束基準: RMSE が収束基準の値より小さい場合、反復は停止します。 デフォルト値は 1E-8 です。
- 補正係数: 特異点を回避するために、最初の変換ステップで応答変数に追加される定数。 デフォルト値は 0.5 です。
- グループ別レポート制限: By 変数を指定する場合、サブグループの数がこの制限数より大きい場合、レポートの出力は抑制されます。 代わりに、概要テーブルとグラフ ビルダー インターフェイスが提供されます。
オンラインで入手可能な例を使用してアドインの詳細を説明します (%GLIMMIX マクロ結果 Web サイト: https://support.sas.com/techsup/notes/v8/25/030.htmlまたはPROC GLIMMIX Webサイト: https://go.documentation.sas.com/?docsetId=statug&docsetVersion=15.1&docsetTarget=statug_glimmix_examples.htm&locale=en ）。 SAS マクロを使用して比較結果を取得するには、MODEL ステートメントで 'DDFM=KR' オプションを設定し、PROC MIXED ステートメントで 'NOBOUND' オプションも設定します。
デモビデオはオンラインでも入手できます。
例 6 -- Salamander データのロング形式: https://youtu.be/6gCqufudFV4
例 7 -- RNA 配列データ: https://youtu.be/o4LeTmVzzVE
例 1 – ポアソン分布 (ship_demo.jmp):
以下は船のデータの一部です (元々は McCullagh と Nelder (1989)、セクション 6.3 からのものです)。
応答変数は「N」で、ポアソン分布に従います。 一般化線形混合モデルの固定効果は「タイプ」です。変量効果は「年、期間、年*期間」です。 オフセット変数は「サービス」です。
ポアソン分布のデフォルトのリンク関数は「ログ」リンクです。 選択したディストリビューションに対して正規 (デフォルト) リンクを使用したい場合は、リンク ボックスを空白のままにしてもよいことに注意してください。
交互作用項は、2 つ以上の変数を選択し、固定効果またはランダム効果パネルで「×」ボタンをクリックすることで追加できます。
すべてのモデルパラメータを指定したら、「実行」ボタンをクリックします。 28 回の反復の後、アルゴリズムは収束しました。 結果出力は、JMP の混合モデル形式です。 %GLIMMIX SAS マクロの結果と比較する場合、計画行列コーディングの違いにより、固定効果パラメーターの推定値ではなく、F 検定の結果、LS 平均値、または分散成分の推定値を比較することをお勧めします。
例 2 – バイナリ配布 (sal1.jmp):
以下はサラマンダーのデータの一部です (元々は McCullagh と Nelder (1989)、セクション 14.5 からのものです)。 分析を実行する前に、対象の変数に対して適切なモデリング タイプを定義することに注意してください。 以下の例では、変数「fnum, mnum」は連続した数値です。 ただし、これらをカテゴリ変数として使用したい場合は、変数名 > 列情報を右クリックし、モデリング タイプを公称に変更します。
モデル仕様:応答変数: ybin。 分布: 二項分布。 リンク機能：ロジット。
固定効果: fpop、mpop、fpop*mpop。 ランダム効果: fpop*fnum、mpop*mnum。
アルゴリズムは 10 回の反復後に収束します。
例 2.1 バイナリ配布 (sal1_ynominal.jmp):
結果が特性/公称、たとえば、次のデータの「ybin_char」(レベルは Y と N)、オプションを提供します。 「名目成果の参考水準（Y）」 。 参照レベルを指定できます。たとえば、デフォルトとして「N」を指定します。 別の例: 結果 Y にはレベルがあります '高い' そして '低い' と指定できます。低い' 名目成果の基準レベル (Y) ボックスに入力します。
例 3 – 二項分布 (blotch.jmp)
情報元： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex04.htm&docsetVersion=15.1&locale=en
応答変数「prop」は、入射。 「サイト」と「多様性」が 2 つの固定効果です。 「二項」分布を選択し、デフォルトのリンク関数は「ロジット」です。 (この例では変量効果を指定しません。)
「品種」と「サイト」の LSmeans は、%GLIMMIX マクロと PROC GLIMMIX の LSmeans と一致しています。 ただし、F テストの結果には矛盾が示されました。
例 4 – 二項分布 (rcb_binomial.jmp)
6 回の反復の後、次の結果が得られます。 この結果は、%GLIMMIX マクロによって生成された結果と一致していますが、PROC GLIMMIX の結果とはわずかに異なります。
予測を導き出すには「イベント/トライアル" または "成功数/試行合計数” レートの場合は、次の変換を実行します。
ここでの推定値は
はデータテーブルの「_pred」列です。 これを行うには、データ テーブルに列を手動で追加し、そこに数式を設定します。
具体的には、GLMM アドインを実行すると、データセットは次のようになります。
新しい列を作成し、それに数式を設定します。
その後、最終的には、以下に示すように新しい変数predicted_rateを導出できます。
例 5 – 二項分布 (hessianfly.jmp)
情報元： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex01.htm&docsetVersion=15.1&locale=en
応答は「y/n」で、その形式は「イベント/トライアル" または "成功数/試行合計数”。 応答変数 Y を指定する場合、最初に「events」変数 (この場合は「y」) を選択し、その後「trials」変数を選択する必要があります。 したがって、「y」の次に「n」が選択されます。 「エントリー」を固定効果、「ブロック」をランダム効果に設定します。 「二項」分布を選択し、デフォルトの「ロジット」リンク関数を使用します。
6 回の反復の後、次のような結果が得られます。
上記の例の結果は、SAS PROC GLIMMIX および %GLIMMIX マクロで検証できます。 コードSAS_Example_macro_proc_verification.sasリクエストに応じて利用可能です。
例 6 – バイナリ配布 (sal1_long.jmp):
データがサブセットで構成されており、各グループ/サブセットを個別にモデル化したい場合は、「By」フィールドでグループ/サブセット指標変数を指定できます。
この例では、sal1_long.jmp は、Salamander データのスタック バージョンです (元は McCullagh and Nelder (1989)、セクション 14.5)。 ここでは、応答変数「y1、y2、y3」が変数「ystack」にスタックされます。 変数「ycat」は、元の応答カテゴリを示します。
ここでは、応答変数として「ystack」、By 変数として「ycat」を指定します。 例 2 の設定と同様に、分布、固定効果、変量効果を指定できます。
GLMM 手順は、[By] フィールドで指定された各グループ/サブセットに対して実行されます。 最終報告書は以下の通りです。 結果はグループ/サブセットごとにリストされます (応答 y1_pseudo、応答 y2_pseudo、および応答 y3_pseudo)。
例 7 – RNA 配列データ
ゲノミクス データは通常高次元であり、遺伝子/SNP の数は通常 10,000 を超えるため、統合分析の実行は計算的に困難になる可能性があります。 このアドインを使用して RNA-seq データを分析する将来の関心のために、By フィールドで指定される遺伝子の数を増やしたときのパフォーマンスをテストします。 By 関数はマルチスレッドで記述されていないため、このセクションはストレス テストの一部として機能します。
ここで使用されるサンプル データは、パッケージからオンラインで公開されています (Hoffman & Roussos、2020)。 https://bioconductor.org/packages/release/bioc/vignettes/variancePartition/inst/doc/dream.html
- varPartDEdata_count.jmpは元のカウント行列です
- varPartDEdata_metadata.jmp 24 サンプルのメタデータです
- varPartDEdata_stack10.jmpは処理されたデータであり、最初の 10 個の遺伝子からの遺伝子発現が他のメタデータ変数とともに積み上げられます。
- varPartDEdata_stack100.jmpは処理されたデータであり、最初の 100 個の遺伝子からの遺伝子発現が他のメタデータ変数とともに積み上げられます。
オンラインの例から、遺伝子ごとに次のようにモデルを当てはめることができます。
Y ~ 疾患サブタイプ + 性別 + (1|個人)
ここで、「DiseaseSubtype」と「Sex」は固定効果、「Individual」はランダム効果です。 ここで、応答変数 Y
ディストリビューションの選択によって異なります。 分布の選択肢の 1 つは「ポアソン」分布です。この場合、生のカウントの「式」を応答変数として使用します。 RNA-seq データをモデル化する別の方法は、最初にカウントの対数変換を取得し、「正規」分布を指定しながら応答変数として「logexprs」を使用することです。
サンプルデータの使用varPartDEdata_stack10.jmp 、10 個の遺伝子それぞれの結果を個別に導き出すことができます。
応答変数として「logexprs」を使用すると、[分析] > [モデルの適合] > [混合モデル] と GLMM アドインの結果は同じになります。 raw カウントの「式」を応答として使用し、「ポアソン」分布を指定すると、実行時間が長くなります。 反復の最大数に達した場合は、選択した分布関数またはリンク関数がデータに十分に適合していない可能性があることを意味する可能性があります。
By 変数のサブグループ (遺伝子) の数
|
ポアソンランタイム (HH:MM:SS)
|
通常の実行時間 (HH:MM:SS)
|
log(count) 実行時間 (HH:MM:SS) を使用した混合モデル
|
10
|
00:01:15
|
00:00:06
|
|
100
|
00:06:00
|
00:00:43
|
00:00:01
|
1000
|
01:25:19
|
00:09:05
|
00:01:41
|
10000
|
11:11:05
|
01:31:58
|
|
……
|
|
|
|
By フィールドで指定された遺伝子/サブグループの数の場合グループ別レポート制限=10 を超えています、たとえば次のように使用しますvarPartDEdata_stack100.jmp 、レポートは表示されなくなります。 代わりに、「GLMM 結果」JMP テーブルと火山プロットが提供されます。 「GLMM 結果」テーブルには、F テスト結果の一部 (DFDen_、F Ratio_、Prob > F_)、最小二乗平均 (LSMeans:)、およびパラメーター推定値の一部 (Estimate:、-log10(Prob) が含まれます。 >|t|):)。
Yに「logexprs」を指定し、「正規」分布を指定すると、以下のデータセットを導出できます。 (として利用可能GLMM結果.jmp )
デフォルトの火山プロットは、指定された最初の固定効果に対して生成されます。 列を切り替えて、関心のある他の変数の火山プロットを確認できます。
(100 個の遺伝子、logexpr)
(10000 個の遺伝子、logexprs)
(10000 個の遺伝子、発現、ポアソン)
参考文献
ジョージア州ホフマン、 & Roussos、P. (2020)。 dream: 反復測定設計のための強力な微分式分析。 バイオRxiv、432567 。
ウォルフィンガー、R.、 & オコンネル、M. （1993年）。 一般化された線形混合モデルは、擬似尤度アプローチです。 統計計算とシミュレーションのジャーナル、48(3-4)、233-243。
このアドインを使用すると、JMP で一般化線形混合モデルを実行できます。
分析アプリケーションの開発ライフサイエンス統計Re: 一般化線形混合モデル アドイン@MeichenDongこれは素晴らしいプラグインです!
私は 17PRO を持っていますが、二項またはポアソンしか許可されないため、プラグインは重要なギャップを埋めます。
私は、6 つの組織 x 2 つの遺伝子型 x 10,000 個の遺伝子という大規模な RNA データセットを分析しています。 組織と条件を固定し、被験者をランダムとして完全階乗を使用します。 Gene は By 変数です。
私の質問は、推定値と -logP の出力にあります...私の組織変数 (6 つの値) について、順序の最後にある変数の推定値や P 値は得られず、LSMeans のみが得られます。 順序を移動して再実行すると、そこに到達できます...しかし、各相互作用（tissueXgeno）の火山プロットを出力したいと考えています。 たぶん私は出力を誤解していますか？ 前もって感謝します！
Re: 一般化線形混合モデル アドイン@pwregeコピーしています@MeichenDong 、あなたの質問に答えられる人。@ 機能を使用すると、選択した人に電子メールが送信されます。
Re: 一般化線形混合モデル アドインこんにちは@pwrege 、ご質問ありがとうございます！ JMP17 Pro にアクセスできる場合は、[分析] > [モデルの適合] で、GLMM のより完全なバージョンを試してから、[一般化線形混合モデル] としてパーソナリティを選択してください。
アドインについては、どのようなパラメータの設定を使用していたのでしょうか。 オプションパネルの「最大反復回数」を増やしてみましたか? 場合によっては、モデルが収束するまでにさらに多くの反復が必要になることがあります。 さらにご質問がございましたら、お知らせください。
Re: 一般化線形混合モデル アドイン私は音響モニタリングを使用して中央アフリカのマルミミゾウの生態と行動を研究しています。 私はゾウの鳴き声が日中ではなく夜間に発生する確率に対する伐採活動の影響を調べることに興味があります。他の研究では、夜間の鳴き声の増加は人間による妨害（主に密猟）への反応を反映していることが示唆されているからです。 データは、有効な伐採から異なる距離 (= 数キロメートル未満) にある 9 つの異なるサイトでの記録から決定された成功/試行です。
周辺平均の出力 (この単純な分析では変量効果はありません) のため、GLMM アドインを使用したいと思っていましたが、パラメーター推定値と予測変数としての有意性は GLMM と GLM とは大きく異なり、なぜこれを使用する必要があるのかに興味があります。なれ。
以下は 2 つのパーソナリティからの出力のスクリーンショットです。
GLMM - イベント/トライアル - 二項分布 - ロジット
フィットの概要
Rスクエア | 0.004847 |
RS2乗調整 | 0.002292 |
二乗平均平方根誤差 | 0.939466 |
応答の平均値 | -0.0881 |
観測値 (または合計 Wgts) | 194.2821 |
分散分析
ソース | DF | 平方和 | 平均二乗 | F比 |
モデル | 2 | 3.34890 | 1.67445 | 1.8972 |
エラー | 779 | 687.54205 | 0.88260 | 確率 > F |
C. 合計 | 781 | 690.89095 | | 0.1507 |
パラメータの推定値
学期 | 見積もり | 標準エラー | t比 | 問題>|t| |
インターセプト | 0.0484165 | 0.097423 | 0.50 | 0.6193 |
会計年度[1] | -0.084323 | 0.078483 | -1.07 | 0.2830 |
logexpos2[1はい] | 0.1389546 | 0.091878 | 1.51 | 0.1308 |
-
GLM - イベント/トライアル - 二項分布 - ロジット
モデル全体のテスト
モデル | -対数尤度 | LR カイ二乗 | DF | Prob>ChiSq |
違い | 247.258921 | 494.5178 | 2 | <.0001* |
満杯 | 9444.02167 | | | |
削減 | 9691.28059 | | | |
適合度統計 | カイ二乗 | DF | Prob>ChiSq |
ピアソン | 14001.87 | 779 | <.0001* |
逸脱 | 18426.55 | 779 | <.0001* |
効果試験
ソース | DF | LRカイ二乗 | Prob>ChiSq | |
年度 | 1 | 62.133979 | <.0001* | |
logexpos2 | 1 | 413.68264 | <.0001* | |
パラメータの推定値
学期 | 見積もり | 標準エラー | LRカイ二乗 | Prob>ChiSq | 下限CL | アッパーCL |
インターセプト | 0.291917 | 0.0233196 | 162.24916 | <.0001* | 0.2463549 | 0.3377743 |
会計年度[1] | -0.137987 | 0.0175207 | 62.133979 | <.0001* | -0.172342 | -0.103659 |
logexpos2[1はい] | 0.4319415 | 0.0217689 | 413.68264 | <.0001* | 0.3894144 | 0.4747556 |
-
ご意見ありがとうございます
Re: 一般化線形混合モデル アドインこんにちは@winfriedkoch0 、
GLMM プラットフォームは JMP PRO 17 で利用可能になると思います。
Re: 一般化線形混合モデル アドイン以前の回答で、追加の共分散構造のオプションが次期 JMP 17 で利用可能になると述べました。 このメッセージは JMP 17 に当てはまりますか、それとも JMP 17 Pro にのみ当てはまりますか?
Re: 一般化線形混合モデル アドインこんにちは@カンドノフ、
ご質問ありがとうございます。 {y1、y2、y3} などの複数の従属変数がある場合、残念ながら、それらをすべて Y ボックスに指定しても機能しません。 このアドインの場合、現在 Y ボックスに複数の変数を入れる唯一のケースは例 5 です。これは、2 番目の変数を使用して n を指定する二項ケースを示しています。
ただし、試してみることをお勧めする回避策がいくつかあります。
まず、データをスタックし (y1、y2、y3 を 1 つの変数 y にスタック)、現在のアドインまたは「混合モデル」パーソナリティで「モデルの適合」を実行し、多変量変数を示す新しい変数を作成します (たとえば、 、この変数の値は、y 値がどの変数に対応するかを示唆する変数名 'y1'、'y2'、'y3' にすることができ、それを他のすべての変数とともに固定効果として指定し、場合によってはいくつかの相互作用としても指定します。それ。次に、変量効果として 'subject' を指定します。これにより、完全な多変量ではなく、より単純な近似である複合対称 cov 構造が設定されます。
第二に、私はデータがポアソンまたは二項の場合、それを中心にしてスケーリングし、線形混合モデルで正規近似を使用することもできます。 「混合モデル」のパーソナリティを持つ「適合モデル」の例を参照してください。
さらにご質問がございましたら、お知らせください。 いつでも連絡できますMeichen.Dong@jmp.com 。
最高、
マイヘン
Re: 一般化線形混合モデル アドイン親愛なるメイヘン様
この素晴らしいアドインをありがとう!
しかし、質問があります。 このアドインを使用して多変量 GLMM を実行できますか? おそらく、「Y」ボックスにいくつかの従属変数を追加すると機能するでしょう。
乾杯、
K/
Re: 一般化線形混合モデル アドインこんにちは@MANCOVAChicken1 , ご質問ありがとうございます。
質問 1 については、理想的には、モデルがデータによく適合していれば、30 回目の反復前に収束 (1e-8) が達成される可能性があります。 ただし、30 回の反復後に収束が達成されない場合は、反復回数を増やすか、収束基準を緩める (たとえば、1e-7 に変更する) ことで収束が達成できるかどうかを確認できます。 あなたの場合、30 回の反復では十分ではないようなので、反復数を増やすのが正しい方法です。 この数値を 200 などの大きな値に増やして、100 に設定した場合と比較して結果が変わるかどうかを確認することをお勧めします。 収束が達成されれば、さらに反復回数を増やしても同じ結果が得られます。
質問 2 では、ガンマ分布を選択した場合、正規リンク「相互」リンクまたは「逆」リンクが使用されます。 したがって、元のデータ スケールで LS 平均を導出したい場合は、変換が必要になります。 つまり、期待値 E(Y_i) = mu_i は次のようにモデル化されます: 1/(mu_i) = b0+b1*x_1i + ...
mu_i を導出するには、予測値の逆数 1/(b0+b1*x_1i + ... ) を計算する必要があります。
さらにご質問がございましたら、お知らせください。 Meichen.Dong@jmp.com でいつでも連絡できます。
最高、
マイヘン
Re: 一般化線形混合モデル アドインこんにちは、メイチェンさん
GLMM アドインを使用するのは初めてです。 私の質問は次のとおりです。
1. 特定のモデルに指定できる「正しい」最大反復回数はありますか、それとも試行錯誤のようなアプローチですか? 同じモデルをデフォルトの最大数 (30) で実行し、次に 100 回の反復で実行してみましたが、大幅に異なる結果が得られました。 30 回の反復では、R2 はゼロに近づき、どの変数も有意な p 値を持ちませんでした (効果テストセクション)。 100 回の反復では、モデル R2 は 0.7 で、対象の説明変数はアルファ 0.5 で有意でした。
2. ガンマ分布を選択すると、LS 平均とすべての推定値は、元のデータ スケールではなく、ある種の変換されたスケール上にあるように見えます。 LS 平均を逆変換する必要がありますか?またどの変換を使用すればよいですか?
ありがとう！
Re: 一般化線形混合モデル アドインこんにちは@AvgBrontosaurus 、
これはパラメータ「グループ別レポート制限” – たとえば、BY 変数が20レベルすべてのモデルの詳細を表示したい場合は、この値を次のように設定できます。 21以上。 このパラメーターは、膨大な数の結果が出力されることを避けるために設計されています。たとえば、10,000 レベルがある場合、おそらく結果を 1 つずつ確認する必要はありません。
Re: 一般化線形混合モデル アドインやあ Meichen、私は例の 1 つを試してみましたが、
同じ問題です。 「実行」を押した後、ポップアップするウィンドウは 2 つだけです。
すべての ANOVA テーブル値と LSM およびグラフを含むスプレッドシート
ビルダー。 「by」要素を含めないと、完全なレポートがポップアップ表示されます
自動的に。
Re: 一般化線形混合モデル アドインこんにちは@AvgBrontosaurus 、ご質問ありがとうございます！ パラメーターと変数を指定した後に GLMM レポートが表示されなかったということでしょうか? 私たちが提供したいくつかの例を正常に実行していただけますか? さらに詳細を共有したいですか? さらにご質問がございましたら、お気軽に私のメールアドレスまでお送りください。 Meichen.Dong@jmp.com ！
Re: 一般化線形混合モデル アドインこんにちは、メイチェンさん
サブグループ化係数によって GLMM を実行するときに、GLMM のレポートを見つけるのに問題があります。 グラフ ビルダーと ANOVA テーブルを入手しましたが、事後分析を実行したいと考えています。 通常、これらは自動的に作成される最終レポートで実行しますが、そのレポートを呼び出す方法はありますか? それとも、別の方法で事後分析を実行しますか?
ありがとう！
Re: 一般化線形混合モデル アドインこんにちは@Ning214 , 変数の名前は何なのか気になります。 より詳細な情報を提供していただくか、おもちゃの例を送っていただければ幸いです。 また、詳細情報を Meichen.Dong@jmp.com までお気軽にメールしてください。
Re: 一般化線形混合モデル アドインこんにちは、
すべてのデータ サンプルは、jmp pro 15 でスムーズに実行されます。 ただし、カウント データ (ポアソン分布) を実行すると、次のような問題が発生します。
ご協力をお願いいたします。
ありがとうございます。
Re: 一般化線形混合モデル アドインこんにちは@smartxalexアレックス、結果変数は連続であるとおっしゃいましたが、アドインのパラメーターはどのように指定しましたか? 具体的にはどのような「配布」と「リンク」を指定したのでしょうか？ 結果が正規分布に従う場合は、JMP の MIXED モデルを試してみてください。 ご質問の詳細やおもちゃの例については、お気軽にメールしてください。 私のメールアドレスは次のとおりです。 Meichen.Dong@jmp.com
最高、
マイヘン
Re: 一般化線形混合モデル アドインこんばんは、
誰かが問題を解決してくれるかもしれないと期待していました。このアドインを一生動作させることはできません。上記のサンプル データでは動作させることができます。ただし、モデル化したい非常に単純なデータがいくつかあります。連続従属変数があります。 1 つの連続独立変数と 1 つのバイナリ変数。バイナリ変数が連続従属変数に与える影響をテストしたいのですが、次のようなエラー メッセージが表示され続けます。
「すべての行に除外または欠落しているデータがあります。欠損データが最も多い列は (バイナリ変数) です。ただし、欠損データはありません。すべての行にデータが入力されています。
[OK] をクリックすると、次のような別のエラー メッセージが表示されます。
「'Column' のアクセスまたは評価で列が見つかりませんでした。Column/*###*/("Cond Pred Formula _pseudo")」。
生成されたテーブルを見ると、「_eta」と「_pseudo」の両方の値が空白になっています。
現在、JMP 15 を使用しています。ニーズを満たすためにさまざまなソフトウェアを行き来するのではなく、出力を JMP のみに依存したいので、どんな助けでも大歓迎です。よろしくお願いします！
よろしくお願いします、
アレックス
Re: 一般化線形混合モデル アドインこんにちは@magasganga , ご指摘の問題を解決しました。更新されたアドインをお試しください。 ご意見ありがとうございます！
Re: 一般化線形混合モデル アドインこんにちは@smmarsh2 、ご質問ありがとうございます！ 現在、このアドインでは、共分散行列のオプションは提供されていません。 ただし、JMP 17 (新しいリリース) には新しい JMP GLMM プラットフォームが含まれます。 新しいプラットフォームは、当初は G 側共分散行列のみで、JMP では分散成分とランダム係数モデル (共分散あり) を意味します。 反復測定および/または空間データの R 側共分散構造は、将来のリリースの計画にあります。
ご質問がございましたらお知らせください。
最高、
マイヘン
Re: 一般化線形混合モデル アドインGLIMMIXを学び始めています。 ただし、私のメンターは SAS (JMP ではなく) で頻繁にこれを使用します。 プラグインに対する彼のコメントは次のとおりです。
彼らの例を見ると、彼らは常に分散成分を共分散行列として使用しています。 私にとって、このマトリックスでは AICC が最低になったことはありません。 使用するマトリックスを変更する方法があることを願っています。
共分散行列には他のオプションはありますか?
ありがとう！
ステファニー
Re: 一般化線形混合モデル アドインこんにちは@magasganga 、
サンプル データを試してみて、現在の JMP バージョンのマシンで動作するかどうかを確認しましたか?
試してみることをお勧めします。それは、「By」変数を文字および公称モデリング タイプとして設定することです。 それでも実行に問題がある場合は、お気軽に詳細またはおもちゃのサンプル データをお送りください。
Re: 一般化線形混合モデル アドインこんにちは@MeichenDong 。 あなたのアドインを使用していますが、By に問題があります。 うまくいきません。 列を選択して By に置くと、このエラーがスローされます。
Glimmix のパラメータは 13 です (応答、固定効果、ランダム効果、分布、リンク、最大値 = 50、収束 = 0.00000001、オフセット = 0、cf = 0.5、重み = 1、expon = 1、数値 = 0.00001、ynom_reference) 10 を参照してください。 argumentos ("PL MIN"、"Posicion unificada"、"ID、Contrario"、"Poisson"、""、30、0.00000001、""、0.5、"")。
al acceder o evaluar 'Function' , Function(
{応答、固定効果、ランダム効果、分布、リンク、最大値 = 50、
収束 = 0.00000001、オフセット = 0、cf = 0.5、重み = 1、指数 = 1、数値 =
0.00001、ynom_reference}、
{iter、rmse、prev、curr、err、dt}、
dt = 現在のデータテーブル();
そして本文は続きます。 列 Cat に数値と序数を入力しました。 これを空白のままにしてもプログラムは動作します。
このアドインは 5 日前にダウンロードしてインストールしたので、最新バージョンを持っていると思います。
ありがとう。
Re: 一般化線形混合モデル アドインこんにちは@やまぐ、ご質問ありがとうございます！ サンプルデータをダウンロードして、アドインが動作するかどうか確認してみましたか?変数のモデリング タイプが正しく設定されているかどうかを確認していただけますか? 上記の手順で問題が解決しない場合は、おもちゃの例/詳細な質問を下記までお気軽にメールしてください。 Meichen.Dong@jmp.com 。
最高、
マイヘン
Re: 一般化線形混合モデル アドインこんにちは、これはまさに私が探していたもので、役に立ちそうです。
分析の仕方が分からないので質問させていただきます。
バイナリ変数である結果に関連する要因を検索するために GLMM を実行したいと考えています。 そうすることで、データは同じ被験者から複数回収集されたため、個人ごとにネストされます。
結果 (バイナリ変数、名前) を Y に、探索因子を固定効果に、ID (被験者を識別する) をランダム効果に追加しました。 Weight、Offset、By には何も追加しませんでした。 しかし、Columm/*##*/(*Cond Pred Fomula_pseudo*)というエラーメッセージが出てうまく解析できませんでした。 何か良いアドバイスをいただければ幸いです。
Re: 一般化線形混合モデル アドインこんにちは@juacco123 、私のメールアドレスはMeichen.Dong@jmp.com 。 詳しい質問やおもちゃのデータセットなどお気軽にお送りください！
-メイヘン
Re: 一般化線形混合モデル アドインこんにちは、Meichen、素早い返信ありがとうございます。
私はJMP 15を使用していますが、PCであなたの提案を試しました（モデル変数の前に変数を置きました）が、まだ動作しません。
私のデータセットを共有するにはどうすればよいですか?
Re: 一般化線形混合モデル アドインこんにちは@juacco123 、バツをクリックする前に、対象の変数をすべて選択しようとしましたか? これは私の側では機能します。 Mac または Windows マシンを使用していますか? 使用している JMP のバージョンは何ですか?
おもちゃのデータセットがあれば、詳しく調べることもできます。
-メイヘン
Re: 一般化線形混合モデル アドインアドインをダウンロードしたばかりで、固定効果とランダム効果の変数をクロスさせようとしています。 ただし、変数を選択して「クロス」をクリックしても、何も起こりません。
私たちを手伝ってくれますか？
ありがとう
Re: 一般化線形混合モデル アドインこんにちは@Sandeep123 , アドインを更新しました。新しく追加された「例 2.1」の部分をご覧ください。 これにより、結果を手動で数値形式に再コードしなくても、名目上の結果を操作できるようになります。 ご質問がございましたら、お知らせください。 ご意見ありがとうございます！
Re: 一般化線形混合モデル アドインこんにちは@Sandeep123 、これは良い質問です！ 現在のバージョンでは、結果変数の「再コード化」を実行し、分析を実行できます (以下の図を参照)。 近々、名目上の結果が得られるようにアドインを更新する予定です。
Re: 一般化線形混合モデル アドイン私は名目上の結果変数 (死亡率の有無) に興味があります。 複数のサイトからのデータがあります。 モデルに確率変数としてサイトを含めたい
jmp ではランダムな効果が許可されないため、オプションを探しています
Re: 一般化線形混合モデル アドインこんにちは@Sandeep123例 2 と例 6 は、バイナリ y 変数に関するものです。 デフォルトのリンク関数は logit です。 これはあなたが探しているものでしょうか？
Re: 一般化線形混合モデル アドインカテゴリカル変数 (ロジスティック回帰) に対してこれを実行する方法はありますか?
Re: 一般化線形混合モデル アドインこんにちは、I_yampolsky さん
バージョン 10 を使用している可能性があります。 はい、間違いなく 15 で動作します。
ありがとう！
Re: 一般化線形混合モデル アドインこれはおそらくバージョン固有ですか? 私はまだVer. 10 ですが、他の場所では 14 または 15 にアクセスできます。14 または 15 でも動作しますか?
Re: 一般化線形混合モデル アドインこれは素晴らしいもので、特にネストされたエフェクトの回避策に関して、まさに私が探していたものです。
実行するのに問題があります。 必要なオプションの [配布] と [リンク] はグレー表示されており、クリックして選択することはできません。
私の何が間違っているのでしょうか？
ありがとう！
Re: 一般化線形混合モデル アドインこんにちは@CraigSargent Year がランダム効果で、Trial が Year 内にネストされている場合も、同様のことができます。 次の 2 つのモデルをテストしてみてください。
モデル 1: Y = 固定効果 + 年 + トライアル[年]
モデル 2: Y = 固定効果 + 年 + 新しい変数
ここで、「new_variable」は各年とトライアルの一意の ID です。
たとえば、年 = 2018、2019 で各年があり、トライアル レベル = A、B、C、D である場合、データは次のようになります。
年トライアル new_variable
2018A 2018_A
2018B 2018_B
2018C 2018_C
2018D 2018_D
2019A 2019_A
2019B 2019_B
2019C 2019_C
2019D 2019_D
モデル 1 とモデル 2 は同じ結果を与えるはずです。 したがって、モデル 2 を使用することにより、「ネストされた」効果を指定する必要がなくなりました。
上記の説明が十分に明確でない場合は、お知らせください。さらに例を挙げて説明させていただきます。
-メイヘン
Re: 一般化線形混合モデル アドインアドインの入手方法を明確にしていただきありがとうございます。
ネストされたエフェクトの回避策もありがとう。
私がネストされた効果を使用するのは、分割プロットなどの設計、または数年以内または数年にわたる実験試験を伴う長期的な設計です。たとえば、年はランダム効果であり、年内にネストされたトライアルはランダム効果です。
Re: 一般化線形混合モデル アドインこんにちは@CraigSargentこの Web ページの最上部に、ソース ファイルが表示されます。 ファイル「Generalized Linear Mixed Model.jmpadin」をローカル ドライブ/フォルダー、たとえばデスクトップに保存します。 次に、仮想デン JMP から、 > [ファイル] > [開く] > [デスクトップ] > [一般化線形混合モデル.jmpadin] を選択します。
ネストされた効果の質問については、 @sbrlsi実際、それを使用しないようにするのは簡単だと示唆しています。 ネスト変数の各レベル内に一意の ID を持つ列を作成するだけです。
ここで簡単な例を見てみましょう。 https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/two-factor-nested-random-Effects-model.shtml 。
「2 Factors Nested.jmp」サンプル データにアクセスするには、[ヘルプ] > [サンプル データ] > [測定システム] > [2 Factors Nested.jmp] を選択します。 データは次のようになります。
「Part」が「Operator」にネストされており、「Part」が「Operator」の各レベル内で一意の ID を持っていることがわかります。
Part[operator] または Part を使用して、次のような 2 つのモデルを当てはめることもできますが、結果は同じになります。
この件についてご質問がございましたら、お知らせください。
Re: 一般化線形混合モデル アドインありがとう。 アドイン ファイルをローカル ドライブに保存するには、どこで見つければよいですか?
ネストされたエフェクトについては、その機能をすぐに追加してほしいと願っています。 私の研究における実験計画のほとんどには、ネストされた効果が含まれています。 JMP アドインに適切なネストされたエフェクトを追加するまで、私は SAS の GLIMMIX を使い続けるつもりです。
JMP で GLMM に取り組んでいただきありがとうございます。 それは私が何年も求めてきたことです。
Re: 一般化線形混合モデル アドインこんにちは@CraigSargent 、
最初の質問については、仮想ラボ/デンで JMP を使用する場合、最初にアドイン ファイルをローカル ドライブに保存していれば、仮想的にインストールすることもできるはずです。 学校の仮想実験室を使用して試してみましたが、うまくいきました。 あなたまたはあなたの生徒が何か問題に遭遇した場合は、私に知らせてください。
2 番目の質問については、現在のアドイン バージョンでは、ネストされたエフェクトを適合させることがまだできません。 後でその機能を追加するかもしれません。
Re: 一般化線形混合モデル アドイン固定効果またはランダム効果をネストできますか? それは、ビデオに示されているインターフェイスの構築モデル部分からは明らかではありません。
Re: 一般化線形混合モデル アドインこのアドインをインストールする必要があると言われましたが、それはどのように機能するのでしょうか? 私の大学は JMP のサイト ライセンスを持っており、コピーをメイン コンピューターにダウンロードすることも、Citrix 環境を介していわゆるバーチャル デンで使用することもできます。 私の生徒が教室でノートパソコンで JMP を使用するときは、ほとんどがバーチャルデンで使用されます。 その場合、ネットワーク管理者にアドインを含める必要がありますか? ありがとう。
Re: 一般化線形混合モデル アドインこんにちは、メイチェン
どうもありがとう。 すごく効きますよ！ 修正するのに余分な作業が多すぎないことを祈ります。
ピーター
Re: 一般化線形混合モデル アドインこんにちは@PDunn , ここでアドインファイルを更新しました。 もう一度ダウンロードして今すぐお試しいただけますか? この修正で問題は解決すると思います。 さらにご質問がございましたら、お知らせください。 -メイヘン
Re: 一般化線形混合モデル アドインこんにちはピーター@PDunnはい、火山プロットは優れた概要図であり、MixedModel はそれを直接生成しません。 これが修正されたら更新します! JMP Genomics には優れた RNA-seq 解析ワークフローがあり、興味があれば確認してください。 -メイヘン
Re: 一般化線形混合モデル アドインこんにちは
再度ご連絡いただきありがとうございます。 はい、再インストールしてみましたが、やはり同じエラーが発生しました。 Mac上のJMP 14でも試してみました。 以前はWin10を使用していました。 まだ同じ問題です。 しかし、これについてさらに考え、出力 (オンライン ファイル GLMM result.jmp) を確認した後、「By」オプションなしでもこれを使用できると思います。 一度に多くの遺伝子を調査するには、実際には、「by」コマンドでは得られない、遺伝子ごとの有意性の結果が必要です。 一方、火山プロットを取得するには、おそらく「by」コマンドが必要です。 少なくとも正規分布応答変数については、MixedModel を使い続けることができます。 これを実行できれば良いのですが。 彼らはこれを JMP Genomics パッケージで実行しているのだろうか (私はそれを見たことがありません)。
改めてご協力をお願いいたします。楽しい夏休みをお過ごしください。 ピーター
Re: 一般化線形混合モデル アドインこんにちはピーター@PDunn 、試してくれてありがとう！ (「登録解除」せずに直接再インストールしてみませんか?) 修正する必要がある点が間違いなくあります。 「By」関数が最近追加されたため、さらにデバッグが必要になる可能性があります。 アドインの作成中に JMP 15.2 を使用しましたが、バージョンは重要ではないと思います。 これは実際には私の夏のインターンシップ プロジェクトであり、JMP へのアクセスが制限されているため、バグを修正して更新するのに時間がかかる可能性があります。 解決策が見つかりましたら、引き続き最新情報をお知らせします。
Re: 一般化線形混合モデル アドインこんにちは
私に戻ってきてくれてありがとう。 アドインを「登録解除」してから、再インストールしました。 次に、「varPartDEdata_stack10」ファイルでアドインを再試行しました。 「by」変数の名前を Gene1 (元は Gene) に変更するか、新しい列にコピーして名前を変更しても、アドインは機能しませんでした。 プログラム (JMP 16EA) を再起動してみましたが、依然として問題が発生しました。
したがって、何が間違っているのかわかりません。 エラーは次のようになります: 名前が解決されていません: Gene1 at row1 in access or ratings of 'Gene1', Gene1/*###*/
「by」変数 (Gene1) を省略しても実行されますが、ここでどの遺伝子が重要であるかを知ることは明らかに重要です。
ありがとう、ピーター
Re: 一般化線形混合モデル アドインこんにちは@PDunn , 私はあなたの問題を理解しています、そしてはい、それは時々私にも起こりました、そして私はそれを修正しようとしています。 現在のバージョンで、アドインを再インストールして、RNA-seq サンプルが機能するかどうかを確認していただけますか? データテーブル内の「by」変数の名前を変更しても機能する場合があります。
Re: 一般化線形混合モデル アドインこんにちは
はい、これはとても便利そうです。船の例を試してみましたが、うまくいきましたが、RNA-seq データを使用した最後の例では不可解なエラーが発生し、また、私自身の RNA-seq データでも同様のエラーが発生しました。varPartDEdata_stack10.jmp データ セットを使用して、指示 (および YouTube ビデオ) に従い、Y=logexprs、By = Gene、正規分布、Sex と病気サブタイプの固定効果、および個人のランダム効果を設定しました。「実行」をクリックすると、「名前が解決されていません: 'Gene' のアクセスまたは評価の行 1 にある Gene、Gene/*###*/」というエラーが発生します。
助言がありますか？
ありがとう、ピーター
Re: 一般化線形混合モデル アドインこのアドインは JMP ユーザーにとって非常に価値があります。
