284627_zh-CN

liliconcom

广义线性混合模型插件

该插件允许您在 JMP 中运行广义线性混合模型。 默认参数设置与 SAS %GLIMMIX 宏基本相同，后者使用迭代重新加权似然来拟合模型（Wolfinger & O'connell，1993）。

这选择列面板显示当前数据集中的所有变量。

 

这选择角色变量面板允许您指定：

• Y：响应变量。
• 权重：分析的权重变量。
• Offset：偏移变量。 默认情况下没有偏移。
• By：by 变量允许您同时拟合子组的模型。

这构建模型效果面板包括：

• 固定效应
• 随机效应

这选项面板包括：

• 分配：响应变量分布。 默认为二项式。
• 关联：在使用混合模型之前用于将响应变量转换为伪分数的链接函数。 提供了规范的链接函数。
• 最大迭代次数：算法收敛的最大迭代次数。 默认值为 30。
• 收敛准则：如果 RMSE 小于收敛准则的值，则迭代将停止。 默认值为 1E-8。
• 修正系数：在初始转换步骤中添加到响应变量的常数，以避免奇异性。 默认值为 0.5。
• 按组报告限制：当指定By变量时，如果子组的数量大于此限制数量，则报告输出将被抑制。 相反，将提供一个汇总表和一个图形生成器界面。

我们将使用在线提供的示例（%GLIMMIX 宏结果网站： https://support.sas.com/techsup/notes/v8/25/030.html或 PROC GLIMMIX 网站： https://go.documentation.sas.com/?docsetId=statug&docsetVersion=15.1&docsetTarget=statug_glimmix_examples.htm&locale=en ）。 要使用 SAS 宏得出比较结果，请在 MODEL 语句中设置“DDFM=KR”选项，并在 PROC MIXED 语句中设置“NOBOUND”选项。

 

演示视频也可在线获取：

示例 6——Salamander 数据长格式： https://youtu.be/6gCqufudFV4

实施例 7——RNA-seq 数据： https://youtu.be/o4LeTmVzzVE

 

示例 1 – 泊松分布 (ship_demo.jmp)：

以下是船舶数据的一瞥（最初来自 McCullagh 和 Nelder (1989)，第 6.3 节）。

响应变量为“N”，服从泊松分布。 广义线性混合模型中的固定效应是“类型”；随机效应为“年、期间、年*期间”。 偏移变量是“服务”。

泊松分布的默认链接函数是“对数”链接。 请注意，如果我们想对选定的发行版使用规范（默认）链接，我们可以将链接框留空。

可以通过选择两个或多个变量并单击“固定效果”或“随机效果”面板中的“十字”按钮来添加交互项。

指定所有模型参数后单击“运行”按钮。 经过28次迭代后，算法收敛。 结果输出为 JMP 中的混合模型格式。 请注意，在与 %GLIMMIX SAS 宏结果进行比较时，由于设计矩阵编码的差异，我们建议比较 F 检验结果、LS 均值或方差分量估计值，而不是固定效应参数估计值。

 

示例 2 – 二进制分发 (sal1.jmp)：

以下是 Salamander 数据的一瞥（最初来自 McCullagh 和 Nelder (1989)，第 14.5 节）。 请注意，在运行分析之前，为感兴趣的变量定义适当的建模类型。 在下面的例子中，变量“fnum，mnum”是连续的数字。 但如果我们想将它们用作分类变量，我们可以右键单击变量名称>列信息，然后将建模类型更改为名义。

型号规格：响应变量：ybin。 分布：二项式。 链接函数：logit。

固定效果：fpop、mpop、fpop*mpop。 随机效果：fpop*fnum、mpop*mnum。

 

该算法在 10 次迭代后收敛。

 

 

示例 2.1 二进制分布 (sal1_ynominal.jmp)：

如果结果是特性/标称，例如以下数据中的“ybin_char”（级别为Y和N），我们提供选项“名义结果的参考水平 (Y)” 。 您可以指定参考级别，例如默认为“N”。 另一个例子：结果 Y 有水平 '高的' 和 '低的'，并且您可以指定'低的' 在名义结果 (Y) 框中的参考水平。

示例 3 – 二项式分布 (blotch.jmp)

数据源： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex04.htm&docsetVersion=15.1&locale=en

 

响应变量“prop”表示发生率。 “场地”和“品种”是两个固定效应。 我们选择“二项式”分布，默认链接函数为“Logit”。 （我们在此示例中指定没有随机效应。）

“品种”和“站点”的 LSmean 与 %GLIMMIX 宏和 PROC GLIMMIX 的 LSmean 一致。 然而，F 检验结果显示出差异。

 

示例 4 – 二项式分布 (rcb_binomial.jmp)

经过 6 次迭代后，我们得出以下结果。 此结果与 %GLIMMIX 宏生成的结果一致，但与 PROC GLIMMIX 的结果略有不同。

推导出预测的“事件/试验“ 或者 ”成功次数/总尝试次数” 率，执行转换：

其中的估计是我们数据表中的“_pred”列。 这可以通过在数据表中手动添加一列并为其设置公式来完成。

具体来说，运行 GLMM 插件后，您的数据集如下所示。

我们可以创建一个新列，并为其设置公式：

     

然后，我们最终可以推导出新的变量predicted_rate，如下所示：

示例 5 – 二项式分布 (hessianfly.jmp)

数据源： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex01.htm&docsetVersion=15.1&locale=en

 

响应为“y/n”，其形式为“事件/试验“ 或者 ”成功次数/总尝试次数”。 当指定响应变量 Y 时，我们需要首先选择“events”变量，在本例中为“y”，然后选择“trials”变量。 因此，在“y”之后选择“n”。 设置“进入”为固定效果，“阻挡”为随机效果。 选择“二项式”分布并使用默认的“Logit”链接函数。

经过6次迭代后，我们得到的结果如下：

上述示例的结果可以通过 SAS PROC GLIMMIX 和 %GLIMMIX 宏进行验证。 代码SAS_Example_macro_proc_verification.sas可根据要求提供。

 

示例 6 – 二进制分布 (sal1_long.jmp)：

当数据由子集组成并且您希望独立建模每个组/子集时，您可以在“By”字段中指定组/子集指示变量。

在此示例中，sal1_long.jmp 是 Salamander 数据的堆叠版本（最初来自 McCullagh 和 Nelder (1989)，第 14.5 节）。 这里，响应变量“y1，y2，y3”被堆叠到变量“ystack”中。 变量“ycat”表示原始响应类别。

此处，指定“ystack”作为响应变量，指定“ycat”作为 By 变量。 与示例2中的设置类似，我们可以指定分布、固定效应、随机效应。

将为“按”字段中指定的每个组/子集执行 GLMM 过程。 最终报告如下。 列出每个组/子集的结果 – 响应 y1_pseudo、响应 y2_pseudo 和响应 y3_pseudo。

 

示例 7 – RNA-seq 数据

由于基因组数据通常是高维度的，其中基因/SNP 的数量通常大于 10k，因此执行集成分析可能在计算上具有挑战性。 为了将来使用此插件分析 RNA-seq 数据，我们测试了增加 By 字段中指定的基因数量时的性能。 本节将作为压力测试的一部分，因为By函数不是用多线程编写的。

这里使用的示例数据是在线公开的，来自包（Hoffman & Roussos，2020）： https://bioconductor.org/packages/release/bioc/vignettes/variancePartition/inst/doc/dream.html

• varPartDEdata_count.jmp是原始计数矩阵
• varPartDEdata_metadata.jmp是 24 个样本的元数据
• varPartDEdata_stack10.jmp是处理后的数据，其中前 10 个基因的基因表达以及其他元数据变量堆叠在一起。
• varPartDEdata_stack100.jmp是处理后的数据，其中堆叠了前 100 个基因的基因表达以及其他元数据变量。

从在线示例中，对于每个基因，我们可以将模型拟合为：

Y ~ 疾病亚型 + 性别 + (1|个人)

 

，其中“DiseaseSubtype”和“Sex”是固定效应，“Individual”是随机效应。 这里的响应变量 Y

将取决于分布的选择。 分布的一种选择是“泊松”分布，在这种情况下，我们使用原始计数“表达式”作为响应变量。 对 RNA-seq 数据建模的另一种方法是首先对计数进行对数转换，并使用“logexprs”作为响应变量，同时指定“正态”分布。

 

 

使用示例数据varPartDEdata_stack10.jmp ，我们可以分别得出十个基因中每一个的结果：

 

使用“logexprs”作为响应变量，分析>拟合模型>混合模型和我们的 GLMM 插件的结果是相同的。 当使用原始计数“表达式”作为响应并指定“泊松”分布时，运行时间会更长。 如果达到最大迭代次数，则可能意味着所选分布或链接函数可能不太适合数据。

 

按变量中的子组（基因）数量	泊松运行时间 (HH:MM:SS)	正常运行时间 (HH:MM:SS)	使用 log(count) 运行时间 (HH:MM:SS) 的混合模型
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
……

 

当按字段指定基因/亚组的数量时大于按组报告限制=10 ，例如使用varPartDEdata_stack100.jmp ，我们将不再显示该报告。 相反，将提供“GLMM 结果”JMP 表以及火山图。 “GLMM 结果”表包括部分 F 检验结果 (DFDen_、F Ratio_、Prob > F_)、最小二乘均值 (LSMeans:) 以及部分参数估计值 (Estimate:, -log10(Prob) >|t|):)。

通过将“logexprs”指定为 Y，并指定“正态”分布，我们可以导出下面的数据集。 （可作为GLMM 结果.jmp ）

 

 

默认火山图是为指定的第一个固定效应生成的。 您可以切换列以查看火山图以了解其他感兴趣的变量。

 

（100 个基因，对数表达式）

 

（10000 个基因，logexprs）

 

（10000 个基因，表达，泊松）

 

参考

霍夫曼，通用电气， ＆Roussos，P.（2020）。梦想：针对重复测量设计的强大差异表达分析。 BioRxiv，432567 。

沃尔芬格，R.， ＆奥康奈尔，M. （1993）。 广义线性混合模型是一种伪似然方法。 统计计算与模拟杂志，48（3-4），233-243。

该插件允许您在 JMP 中运行广义线性混合模型。

分析应用开发生命科学统计数据回复：广义线性混合模型插件

@MeichenDong这是一个很棒的插件！

我有 17PRO，但它只允许二项式或泊松，所以你的插件填补了一个重要的空白。

我正在分析一个大型 RNA 数据集，6 个组织 x 2 个基因型 x 10k 个基因。 我使用带有组织和条件的全阶乘作为固定，主题作为随机。 Gene 是 By 变量。

 

我的问题是在估计值和 -logPs 的输出中...对于我的组织变量（6 个值），我没有得到顺序中最后一个变量的估计值或 P 值，只有 LSMeans。 如果我移动顺序并重新运行，我可以到达那里......但我希望为每个交互输出火山图（tissueXgeno）。 也许我误解了输出？ 提前致谢！

回复：广义线性混合模型插件

@pwreg我正在复制@MeichenDong ，谁可以回答你的问题。当您使用@功能时，您选择的人会收到电子邮件。

回复：广义线性混合模型插件

你好@pwreg ， 谢谢你的问题！ 如果您可以访问 JMP17 Pro，您可以在“分析”>“拟合模型”下尝试更完整的 GLMM 版本，然后选择“个性”作为“广义线性混合模型”。

对于插件，我想知道您使用的参数设置是什么。 您是否尝试过增加选项面板中的“最大迭代次数”？ 有时模型需要更多迭代才能收敛。 如果您还有其他问题，请告诉我！

 

回复：广义线性混合模型插件

我利用声学监测研究非洲中部的森林象生态和行为。 我感兴趣的是观察伐木活动对大象在夜间而不是白天发生叫声的可能性的影响，因为其他研究表明夜间叫声的增加反映了对人类干扰（主要是偷猎）的反应。 这些数据是成功/试验数据，是根据距活动测井不同距离（= 小于几公里）的 9 个不同地点的记录确定的。

我想使用 GLMM 插件，因为边际均值的输出（在这个简单的分析中没有随机效应），但作为预测变量的参数估计和显着性与 GLMM 和 GLM 有很大不同，我感兴趣的是为什么这应该是。

以下是两个人物的输出截图：

GLMM - 事件/试验 - 二项式 - logit

适合度总结

R方	0.004847
R方调整	0.002292
根均方误差	0.939466
响应平均值	-0.0881
观察结果（或权重总和）	194.2821

 

方差分析

来源	DF	平方和	均方根	F比率
模型	2	3.34890	1.67445	1.8972
错误	第779章	687.54205	0.88260	概率 > F
C。 全部的	第781章	690.89095		0.1507

 

参数估计

学期	估计	标准误差	t 比率	概率>|t|
截距	0.0484165	0.097423	0.50	0.6193
财政年度[1]	-0.084323	0.078483	-1.07	0.2830
logexpos2[1是]	0.1389546	0.091878	1.51	0.1308

-

GLM - 事件/试验 - 二项式 - logit

全模型测试

模型	-对数似然	LR 卡方	DF	问题>卡方
不同之处	247.258921	494.5178	2	<.0001*
满的	9444.02167
减少	9691.28059

 

拟合优度统计	卡方	DF	问题>卡方
皮尔逊	14001.87	第779章	<.0001*
偏差	18426.55	第779章	<.0001*

 

效果测试

来源	DF	LR 卡方	问题>卡方
财政年度	1	62.133979	<.0001*
日志曝光2	1	413.68264	<.0001*

 

参数估计

学期	估计	标准误差	LR 卡方	问题>卡方	降低化学发光	上层CL
截距	0.291917	0.0233196	162.24916	<.0001*	0.2463549	0.3377743
财政年度[1]	-0.137987	0.0175207	62.133979	<.0001*	-0.172342	-0.103659
logexpos2[1是]	0.4319415	0.0217689	413.68264	<.0001*	0.3894144	0.4747556

-

感谢您的任何意见

回复：广义线性混合模型插件

你好@winfriedkoch0 ,

我相信 GLMM 平台将在 JMP PRO 17 中提供。

回复：广义线性混合模型插件

您在之前的回复中提到，即将推出的 JMP 17 中将提供额外协方差结构的选项。 此消息是否适用于 JMP 17 还是仅适用于 JMP 17 Pro？

回复：广义线性混合模型插件

你好@坎多诺夫,

谢谢你的提问。 如果您有多个因变量，例如 {y1, y2, y3}，那么不幸的是，在 Y 框中全部指定它们将不起作用。 对于此插件，当前将多个变量放入 Y 框中的唯一情况是我们的示例 5，它显示了您使用第二个变量来指定 n 的二项式情况。

不过，我建议您尝试一些解决方法。

首先，您可以堆叠数据（将 y1、y2、y3 堆叠到一个变量 y 中）并运行当前的加载项或具有“混合模型”特性的“拟合模型”，创建一个新变量来指示多元变量（例如，该变量的值可以是变量名称“y1”、“y2”、“y3”，以表明 y 值对应的变量）并将其与所有其他变量一起指定为固定效果，也可能与它。然后将“主题”指定为随机效应——这将建立一个复合对称 cov 结构，它不是完全多元的，而是对其的更简单的近似。

第二，我如果数据是泊松或二项式，它也可以对其进行居中和缩放，并使用线性混合模型的正态近似。 请参阅“适合模特”与“混合模特”个性的示例。

如果您还有其他问题，请告诉我！ 随时可以联系到我Meichen.Dong@jmp.com 。

最好的，

美辰

回复：广义线性混合模型插件

亲爱的美辰，

 

感谢您提供这个出色的插件！

 

不过，我有一个问题。 可以使用此插件执行多变量 GLMM 吗？ 也许如果我在“Y”框中添加一些因变量，它就会起作用，不是吗？

 

干杯，

K/

回复：广义线性混合模型插件

你好@MANCOVACchicken1 ，谢谢您的提问！

对于问题1，理想情况下，如果模型能够很好地拟合数据，则可以在第30次迭代之前实现收敛（1e-8）。 但如果第30次迭代后仍未收敛，则可以增加迭代次数或放宽收敛标准（例如改为1e-7），看能否收敛。 在您的情况下，30 次迭代似乎还不够，因此增加迭代次数是正确的方法。 我建议您可以将此数字增加到更大的值（例如 200），看看结果与设置为 100 时相比是否有所变化。 因为如果实现收敛，进一步增加迭代次数将会得到相同的结果。

对于问题 2，如果选择 Gamma 分布，则使用规范链接“倒数”或“逆”链接。 因此，如果要在原始数据尺度上导出LS均值，就需要进行变换。 这意味着您的期望值 E(Y_i) = mu_i 建模为： 1/(mu_i) = b0+b1*x_1i + ...

要导出 mu_i，您需要取预测值的倒数：1/(b0+b1*x_1i + ... )。

如果您还有其他问题，请告诉我！ 您可以随时通过 Meichen.Dong@jmp.com 联系我

最好的，

美辰

回复：广义线性混合模型插件

美辰你好，

 

我刚开始使用 GLMM 插件。 我的问题是：

1. 是否存在可以为特定模型指定的“正确”最大迭代次数，或者它是一种反复试验的方法吗？ 我尝试使用默认最大数量 (30) 运行相同的模型，然后进行 100 次迭代，结果产生了截然不同的结果。 在 30 次迭代中，R2 接近于零，并且没有一个变量具有显着的 p 值（效果测试部分）；第 100 次迭代时 - 模型 R2 为 0.7，感兴趣的解释变量在 alpha 0.5 时显着。

2. 当我选择伽马分布时，LS 平均值和所有估计值似乎都在某种转换后的尺度上，而不是在原始数据尺度上。 我是否需要对 LS 均值进行反向变换？我应该使用哪种变换？

谢谢你！

回复：广义线性混合模型插件

你好@Avg雷龙,

这可能与参数“按组报告限制” – 例如，如果您的 BY 变量有20个级别如果您想查看所有模型详细信息，可以将此值设置为21 或以上。 该参数旨在避免输出大量结果：比如说，当您有 10k 个级别时，您可能不想一一查看结果。

 

回复：广义线性混合模型插件嘿，Meichen，我已经尝试过其中一个示例，并且我得到了
同样的问题。 我点击运行后，弹出的唯一两个窗口是
包含所有 ANOVA 表值和 LSM 以及图表的电子表格
建设者。 当我不包含“按”因素时，会弹出完整报告
自动地。
回复：广义线性混合模型插件

你好@Avg雷龙，谢谢你的提问！ 您的意思是指定参数和变量后没有显示 GLMM 报告吗？ 您能否成功运行我们提供的一些示例？ 您想分享更多细节吗？ 请随时将更多问题发送到我的电子邮件： Meichen.Dong@jmp.com ！

回复：广义线性混合模型插件

美辰你好，

 

当我按子分组因素运行 GLMM 报告时，我无法找到该报告。 我获得了图形生成器和方差分析表，但想要运行事后分析。 通常我会在自动创建的最终报告中运行这些报告，有没有办法让我调用该报告？ 或者，以另一种方式进行事后分析？

 

谢谢！

回复：广义线性混合模型插件

你好@宁214 ，我想知道你的变量名称是什么。 如果您能提供更多详细信息或给我发送一个玩具示例，那就太好了。 另请随时将您的详细信息发送至 Meichen.Dong@jmp.com

回复：广义线性混合模型插件

你好，

 

所有数据样本都在我的 jmp pro 15 中顺利运行。 然而，当我运行计数数据（泊松分布）时，我遇到了以下情况：

 

希望得到您的帮助。

 

十分感谢。

 

 

回复：广义线性混合模型插件

你好@smartxalex Alex，您提到您的结果变量是连续的，那么您是如何在插件中指定参数的？ 具体来说，指定了什么“分发”和“链接”？ 如果结果服从正态分布，那么您可以尝试 JMP 中的 MIXED 模型。 请随时给我发电子邮件了解您问题的更多细节/玩具示例！ 我的电子邮件地址是： Meichen.Dong@jmp.com

 

最好的，

美辰

回复：广义线性混合模型插件

晚上好，

 

我希望有人能够帮助我解决问题。我无法让这个插件在我的一生中发挥作用。我可以让它适用于上面提供的示例数据；然而，我有一些非常简单的数据想要建模。我有一个连续因变量； 1 个连续自变量和 1 个二元变量。我想测试二元变量对连续因变量的影响，但我不断收到一条错误消息，指出：

 

“所有行都有被排除或丢失的数据。缺失数据最多的列是（二元变量）”；但是，没有缺失数据。所有行均已输入数据。

 

单击“确定”后，我收到另一条错误消息：

“在‘Column’的访问或评估中找不到列，Column/*###*/(“Cond Pred Formula _pseudo”)”。

 

查看生成的表时，“_eta”和“_pseudo”都有空白值。

 

我目前使用的是 JMP 15。如果我能提供任何帮助，我将不胜感激，因为我想完全依赖 JMP 来进行输出，而不必在不同的软件之间来回切换来满足我的需求。先感谢您！

 

此致，
亚历克斯

回复：广义线性混合模型插件

你好@MagaSganga ，我刚刚解决了你提到的问题，请尝试更新的插件！ 感谢您的反馈意见！

回复：广义线性混合模型插件

你好@smmarsh2 ， 感谢你的提问！ 目前在此插件中，我们不提供协方差矩阵的选项。 不过，我们将在 JMP 17（新版本）中拥有新的 JMP GLMM 平台。 新平台最初只是 G 侧协方差矩阵，在 JMP 中意味着方差分量和随机系数模型（带有协方差）。 用于重复测量和/或空间数据的 R 侧协方差结构已列入未来版本的计划中。

请让我知道，如果你有任何问题。

最好的，

美辰

回复：广义线性混合模型插件

我开始学习 GLIMMIX。 然而，我的导师在 SAS（而不是 JMP）中经常使用它。 他对该插件的评论是：

 

在查看他们的示例时，他们始终使用方差分量作为协方差矩阵。 对我来说，这个矩阵从未给出过最低的 AICC。 希望有一种方法可以改变所使用的矩阵。

 

协方差矩阵还有其他选择吗？

 

谢谢你！

斯蒂芬妮

 

回复：广义线性混合模型插件

你好@MagaSganga ,

您是否尝试过我们的示例数据，看看它是否适用于您当前 JMP 版本的计算机？

我建议尝试的一件事是将“By”变量设置为字符和名义建模类型。 如果您在运行此程序时仍然遇到问题，请随时向我们发送更多详细信息或玩具示例数据。

回复：广义线性混合模型插件

你好@MeichenDong 。 我正在使用您的加载项，但 By 有问题。 我无法让它发挥作用。 当我选择一列并将其放入“By”时，它会抛出此错误：

 

Glimmix 13 个参数（响应、固定效果、随机效果、分布、链接、maxiter = 50、收敛 = 0.00000001、偏移量 = 0、cf = 0.5、权重 = 1、指数 = 1、数字 = 0.00001、ynom_reference）分别为 10 argumentos（“PL MIN”、“Posicion unificada”、“ID、Contrario”、“Poisson”、“”、30、0.00000001、“”、0.5、“”）。
al acceder o evaluar 'Function' , Function(
{响应，固定效果，随机效果，分布，链接，maxiter = 50，
收敛 = 0.00000001，偏移量 = 0，cf = 0.5，权重 = 1，指数 = 1，数量 =
0.00001, ynom_reference},
{iter, rmse, prev, curr, err, dt},
dt = 当前数据表();

 

正文继续。 我放入 By 的 Cat 列是数字和序数。 当我将其留空时，该程序可以运行。

我 5 天前下载并安装了这个插件，所以我认为我拥有的是最新版本。

谢谢。

回复：广义线性混合模型插件

你好@YAMAg ，谢谢提问！ 我想知道您是否尝试过下载示例数据并查看插件是否有效？您能否检查变量的建模类型是否设置正确？ 如果上述步骤没有帮助，请随时将您的玩具示例/详细问题通过电子邮件发送至Meichen.Dong@jmp.com 。

最好的，

美辰

回复：广义线性混合模型插件

你好，这正是我一直在寻找的东西，而且看起来很有用。
我想问你一个问题，因为我不确定如何进行分析。
我想做一个 GLMM 来搜索与二元变量结果相关的因素。 在这样做时，我的数据嵌套在个人中，因为它是从同一主题多次收集的。
我将结果（二元变量、名称）添加到 Y，将探索性因素添加到固定效应，并将 ID（用于识别主题）添加到随机效应；我没有向“重量”、“偏移量”或“依据”添加任何内容。 但是，我无法很好地分析它，因为我收到了 Columm/*##*/(*Cond Pred Fomula_pseudo*) 的错误消息。 我希望你能给我一些好的建议。

 

回复：广义线性混合模型插件

你好@juaccco123 ， 我的电子邮件地址是Meichen.Dong@jmp.com 。 请随时发送详细问题或玩具数据集！

-美辰

回复：广义线性混合模型插件

你好，Meichen，感谢您的快速回复。

我正在使用 JMP 15，我在 PC 上尝试了您的建议（将变量放在模型变量之前），但仍然无法工作。

我如何与您分享我的数据集？

回复：广义线性混合模型插件

你好@juaccco123 ，在单击交叉之前，您是否尝试选择所有感兴趣的变量？ 这对我有用。 您使用的是 mac 还是 windows 机器？ 您使用的 JMP 版本是什么？

如果您有任何玩具数据集，我也可以仔细看看。

-美辰

回复：广义线性混合模型插件

我刚刚下载了插件，我正在尝试交叉变量以获得固定和随机效果。 但是，当我选择变量并单击“交叉”时，没有任何反应。

你可以帮帮我吗？

 

谢谢

回复：广义线性混合模型插件

你好@Sandeep123 ，我刚刚更新了插件，请参阅新添加的“示例2.1”部分。 这应该允许您使用标称结果，而无需手动将结果重新编码为数字格式。 如果您有疑问，请告诉我！ 感谢您的反馈意见！

回复：广义线性混合模型插件

你好@Sandeep123 ， 这是一个很好的问题！ 对于当前版本，我们可以对结果变量进行“重新编码”，并进行分析（见下图）。 我们将更新插件以尽快实现名义结果。

 

回复：广义线性混合模型插件

我对名义结果变量感兴趣（死亡率是/否）。 我有来自多个站点的数据。 希望将站点作为随机变量包含在模型中

 

jmp 不允许随机效应，所以我正在寻找选项

回复：广义线性混合模型插件

你好@Sandeep123 、示例 2 和示例 6 针对二进制 y 变量。 默认链接函数是logit。 这是您正在寻找的东西吗？

回复：广义线性混合模型插件

有没有办法对分类 y 变量运行这个（逻辑回归）

 

回复：广义线性混合模型插件

嗨，我_yampolsky，

 

您可能使用的是版本 10。 是的，15 年内肯定有效。

 

谢谢！

回复：广义线性混合模型插件

这可能是特定于版本的吗？ 我还在Ver. 10，但我可以在其他地方访问 14 或 15，它可以在 14 或 15 上使用吗？

回复：广义线性混合模型插件

这太棒了，正是我所寻找的，特别是嵌套效果的解决方法。

但我在运行它时遇到了麻烦。 必要的选项“分发”和“链接”呈灰色显示，无法单击进行选择。

我究竟做错了什么？

 

谢谢！

回复：广义线性混合模型插件

你好@CraigSargent ，当 Year 是一个随机效应并且 Trial 嵌套在 Year 中时，我们也可以做类似的事情。 您可以尝试测试以下两个模型：

模型 1：Y = 固定效果 + 年 + 试用[年]

模型 2：Y = 固定效果 + 年份 + 新变量

其中“new_variable”是每年和试用的唯一 ID。

例如，如果年份 = 2018 年、2019 年，并且每年的试用级别 = A、B、C、D。因此数据可能如下所示：

年试用 new_variable

2018年A 2018_A

2018B 2018_B

2018 C 2018_C

2018年D 2018_D

2019年A 2019_A

2019B 2019_B

2019 C 2019_C

2019年D 2019_D

模型 1 和模型 2 应该给出相同的结果。 因此，通过使用模型 2，我们不再需要指定“嵌套”效果。

如果以上还不够清楚，请告诉我，我很乐意提供更多示例。

-美辰

回复：广义线性混合模型插件

感谢您澄清如何获取加载项。

也感谢嵌套效果的解决方法。

我使用嵌套效应的地方是在裂区等设计中，或者是涉及几年内和几年间实验试验的长期设计中；例如，年份是随机效应，而嵌套在年份中的试验是随机效应。

 

 

回复：广义线性混合模型插件

你好@CraigSargent ，在该网页的最顶部，您可以看到我们的源文件。 将文件“广义线性混合模型.jmpaddin”保存到本地驱动器/文件夹（例如桌面）。 然后从虚拟机 JMP 中选择 > 文件 > 打开 > 桌面 > 广义线性混合模型.jmpaddin。

 

对于嵌套效应问题， @sbrlsi实际上建议避免使用它很简单。 我们只需要在嵌套变量的每个级别中创建一个具有唯一 id 的列。

让我们看一个简单的例子： https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/two-factor-nested-random-effects-model.shtml 。

您可以通过选择帮助 > 样本数据 > 测量系统 > 2 Factors Nested.jmp 来访问“2 Factors Nested.jmp”示例数据。 数据如下：

您可以看到“Part”嵌套在“Operator”中，并且“Part”在“Operator”的每个级别中都有唯一的ID。  

您可以使用 Part[operator] 或 Part 来拟合如下所示的两个模型，结果将是相同的。

 

 

 

如果您对此有疑问，请告诉我！

回复：广义线性混合模型插件

谢谢。 在哪里可以找到加载项文件并将其保存到本地驱动器？

关于嵌套效果，我希望您尽快添加该功能。 我的研究中的大多数实验设计都涉及嵌套效应。 为此，我将继续在 SAS 中使用 GLIMMIX，直到您将合适的嵌套效果添加到 JMP 插件中。

感谢您在 JMP 中解决 GLMM。 这是我多年来一直要求的。

回复：广义线性混合模型插件

你好@CraigSargent ,

对于你的第一个问题，当你在虚拟实验室/Den上使用JMP时，只要你先将插件文件保存到本地驱动器，你应该也能够虚拟安装它！ 我刚刚使用学校的虚拟实验室进行了尝试，效果很好。 因此，如果您或您的学生遇到任何问题，请告诉我！

对于第二个问题，我们当前的插件版本还不允许拟合嵌套效果。 我们稍后可能会添加该功能！

回复：广义线性混合模型插件

固定或随机效应可以嵌套吗？ 从视频中显示的界面的构造模型部分来看，这一点尚不清楚。

回复：广义线性混合模型插件

当您说我们必须安装此插件时，它是如何工作的？ 我的大学拥有 JMP 的站点许可证，我们可以将副本下载到我们的主计算机上，或者通过 Citrix 环境在我们所谓的 Virtual Den 中使用它。 当我的学生在课堂上通过笔记本电脑使用 JMP 时，他们主要在虚拟书房中使用它。 在这种情况下，我们是否需要网络管理员添加该加载项？ 谢谢。

回复：广义线性混合模型插件嗨美辰
非常感谢。 效果很好！ 希望这不需要太多额外的工作来解决。
彼得
回复：广义线性混合模型插件

你好@PDunn ，我在这里更新了加载项文件。 您可以重新下载并立即尝试吗？ 我认为这个修复应该可以解决问题。 如果您还有其他问题，请告诉我！ -美辰

回复：广义线性混合模型插件

嗨彼得@PDunn ，是的，火山图是一个很好的摘要图，并且 MixedModel 不会直接生成它。 如果这个问题得到解决就会更新！ JMP Genomics 有一个很好的 RNA-seq 分析工作流程，如果感兴趣，您可以检查一下。 -美辰

回复：广义线性混合模型插件你好
感谢您再次回复我。 是的，我尝试重新安装它，但仍然出现相同的错误。 我还在 Mac 上的 JMP 14 上尝试过。 我之前用的是Win10。 还是同样的问题。 但经过更多思考并查看输出（在线文件 GLMM result.jmp）后，我想我仍然可以在没有“By”选项的情况下使用它。 为了一次调查大量基因，我实际上想要每个基因的显着性结果，这是我用“by”命令无法得到的。 另一方面，您可能需要“by”命令来获取火山图。 至少对于正态分布的响应变量，我可以继续使用 MixedModel。 不过，如果能运行这个就太好了。 我想知道他们是否在 JMP Genomics 软件包中运行此功能（我从未看过它）。
再次感谢您的帮助，祝您暑假愉快。 彼得
回复：广义线性混合模型插件

嗨彼得@PDunn ，感谢您的尝试！ （你有没有尝试不“注销”它并直接重新安装它？）肯定有一些东西需要修复！ “By”函数是最近添加的，可能需要更多调试。 我在编写插件时使用 JMP 15.2，但我认为版本并不重要。 这实际上是我的暑期实习项目，我可能需要一段时间才能修复错误并更新它，因为现在我对 JMP 的访问权限有限。 一旦找到解决方案，我会及时通知您！

回复：广义线性混合模型插件你好
谢谢你回到我身旁。 我只是“取消注册”了该加载项，然后重新安装了它。 然后我再次尝试在“varPartDEdata_stack10”文件上添加。 即使我将“by”变量重命名为 Gene1（最初是 Gene）或将其复制到新列并重命名后，该插件也不起作用。 我也尝试重新启动程序（JMP 16EA），但问题仍然存在。
所以我不确定可能出了什么问题。 错误显示：名称未解析：在访问或评估“Gene1”时，Gene1 位于 row1，Gene1/*###*/
如果我省略“by”变量（Gene1），它仍然会运行，但了解哪些基因在这里很重要显然很有价值。
谢谢，彼得
回复：广义线性混合模型插件

你好@PDunn ，我看到你的问题，是的，有时确实发生在我身上，我正在努力解决它。 在当前版本中，您可以尝试重新安装插件并查看 RNA-seq 示例是否有效？ 重命名数据表中的“by”变量有时也有效。

回复：广义线性混合模型插件

你好

是的，这看起来非常有用。我尝试了船舶示例并且它有效，但最后一个带有 RNA-seq 数据的示例给了我一个神秘的错误，并且它也给我带来了与我自己的 RNA-seq 数据有些类似的错误。对于 varPartDEdata_stack10.jmp 数据集，我遵循 Y=logexprs、By = Gene、正态分布、性别和疾病子类型的固定效应以及个体的随机效应的指示（和 YouTube 视频）。我点击“运行”，出现错误：“名称未解析：基因位于“基因”的访问或评估中的第 1 行，Gene/*###*/。

有什么建议么？

谢谢，彼得

回复：广义线性混合模型插件

该插件对于 JMP 用户来说具有很大的价值。