일반화 선형 혼합 모델 추가 기능이 추가 기능을 사용하면 JMP에서 일반화 선형 혼합 모형을 실행할 수 있습니다. 기본 매개변수 설정은 모델에 맞게 반복적으로 재가중된 가능성을 사용하는 SAS %GLIMMIX 매크로와 대부분 동일합니다(Wolfinger & O'connell, 1993).
그만큼 열 선택 패널 현재 데이터 세트의 모든 변수를 표시합니다.
그만큼 역할 변수 선택 패널 다음을 지정할 수 있습니다.
- Y: 반응 변수.
- 가중치: 분석을 위한 가중치 변수입니다.
- 오프셋: 오프셋 변수. 기본값은 오프셋 없음입니다.
- 기준: 기준 변수를 사용하면 하위 그룹에 대한 모델을 동시에 맞출 수 있습니다.
그만큼 모델 효과 구성 패널에는 다음이 포함됩니다.
그만큼 옵션 패널 다음이 포함됩니다:
- 분포 : 반응변수 분포. 기본값은 이항입니다.
- 링크 : 혼합 모델을 활용하기 전에 응답 변수를 의사 점수로 변환하는 데 사용하는 연결 함수입니다. 표준 링크 기능이 제공됩니다.
- 최대 반복 : 알고리즘이 수렴하는 최대 반복 횟수입니다. 기본값은 30입니다.
- 수렴기준 : RMSE가 수렴 기준 값보다 작으면 반복이 중지됩니다. 기본값은 1E-8입니다.
- 보정 계수 : 특이점을 피하기 위해 초기 변환 단계에서 응답 변수에 추가되는 상수입니다. 기본값은 0.5입니다.
- 그룹별 보고서 제한 : 기준 변수를 지정할 때 하위 그룹 수가 이 제한 수보다 크면 보고서 출력이 억제됩니다. 대신 요약 테이블과 그래프 빌더 인터페이스가 제공됩니다.
온라인에서 사용할 수 있는 예제를 사용하여 추가 기능에 대한 세부 정보를 설명하겠습니다(%GLIMMIX 매크로 결과 웹사이트: https://support.sas.com/techsup/notes/v8/25/030.html 또는 PROC GLIMMIX 웹사이트: https://go.documentation.sas.com/?docsetId=statug&docsetVersion=15.1&docsetTarget=statug_glimmix_examples.htm&locale=en ). SAS Macro를 이용하여 비교 결과를 도출하려면 MODEL 문에서 'DDFM=KR' 옵션을 설정하고, PROC MIXED 문에서도 'NOBOUND' 옵션을 설정합니다.
데모 비디오도 온라인으로 볼 수 있습니다:
예 6 -- Salamander 데이터 긴 형식: https://youtu.be/6gCqufudFV4
실시예 7 -- RNA-seq 데이터: https://youtu.be/o4LeTmVzzVE
예 1 - 포아송 분포(ship_demo.jmp):
다음은 선박 데이터를 간략히 보여줍니다(원래 McCullagh 및 Nelder(1989), 섹션 6.3.).
응답 변수는 포아송 분포를 따르는 "N"입니다. 일반화 선형 혼합 모형의 고정 효과는 "유형"입니다. 무작위 효과는 "연도, 기간, 연도*기간"입니다. 오프셋 변수는 "서비스"입니다.
포아송 분포의 기본 연결 함수는 '로그' 연결입니다. 선택한 배포에 대해 표준(기본) 링크를 사용하려면 링크 상자를 비워두면 됩니다.
두 개 이상의 변수를 선택하고 고정 효과 또는 무작위 효과 패널에서 "십자" 버튼을 클릭하여 상호작용 항을 추가할 수 있습니다.
모든 모델 매개변수를 지정한 후 “실행” 버튼을 클릭합니다. 28번의 반복 후에 알고리즘은 수렴되었습니다. 결과 출력은 JMP의 혼합 모형 형식입니다. %GLIMMIX SAS 매크로 결과와 비교할 때 설계 행렬 코딩의 차이로 인해 고정 효과 모수 추정치 대신 F-검정 결과, LS 평균 또는 분산 성분 추정치를 비교하는 것이 좋습니다.
예 2 – 이진 배포(sal1.jmp):
다음은 Salamander 데이터를 간략하게 보여줍니다(원래 McCullagh 및 Nelder(1989), 섹션 14.5). 분석을 실행하기 전에 관심 변수에 대한 적절한 모델링 유형을 정의하십시오. 아래 예에서 변수 “fnum, mnum”은 연속된 숫자입니다. 하지만 범주형 변수로 사용하려면 변수 이름 > 열 정보를 마우스 오른쪽 버튼으로 클릭한 다음 모델링 유형을 명목형으로 변경하면 됩니다.
모델 사양: 응답 변수: ybin. 분포: 이항. 링크 기능: 로짓.
고정 효과: fpop, mpop, fpop*mpop. 무작위 효과: fpop*fnum, mpop*mnum.
알고리즘은 10번의 반복 후에 수렴됩니다.
예제 2.1 이진 분포(sal1_ynominal.jmp):
결과가 다음과 같다면 특성/명목 예를 들어 다음 데이터의 "ybin_char"(레벨은 Y 및 N), 옵션을 제공합니다. '명목 결과에 대한 기준 수준(Y)' . 참조 수준을 지정할 수 있습니다(예: 기본값은 'N'). 또 다른 예: 결과 Y에는 ' 수준이 있습니다. 높은 ' 그리고 ' 낮은 ', '를 지정할 수 있습니다. 낮은 명목 결과(Y)에 대한 기준 수준 상자에 '가 있습니다.
예 3 – 이항 분포(blotch.jmp)
데이터 소스: https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex04.htm&docsetVersion=15.1&locale=en
응답 변수 "prop"는 다음을 나타냅니다. 투사 . "사이트"와 "다양성"은 두 가지 고정 효과입니다. "이항" 분포를 선택하고 기본 연결 함수는 "로짓(Logit)"입니다. (이 예에서는 임의 효과를 지정하지 않습니다.)
"다양성" 및 "사이트"의 LS평균은 %GLIMMIX 매크로 및 PROC GLIMMIX의 평균과 일치합니다. 그러나 F-검정 결과는 불일치한 것으로 나타났습니다.
예시 4 – 이항 분포(rcb_binomial.jmp)
6번의 반복 후에 다음과 같은 결과가 도출됩니다. 이 결과는 %GLIMMIX 매크로에 의해 생성된 결과와 일치하지만 PROC GLIMMIX의 결과와는 약간 다릅니다.
예측값을 도출하려면 " 이벤트/시련 " 또는 " 성공/총 시도 ” 비율로 변환을 수행합니다.
여기서 추정치는
데이터 테이블의 "_pred" 열입니다. 데이터 테이블에 열을 수동으로 추가하고 해당 열에 수식을 설정하면 됩니다.
특히 GLMM 추가 기능을 실행한 후 데이터세트는 아래와 같습니다.
새 열을 만들고 수식을 설정할 수 있습니다.
그러면 결국 아래와 같이 새로운 변수 Predicted_rate를 도출할 수 있습니다.
예시 5 – 이항 분포(hessianfly.jmp)
데이터 소스: https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex01.htm&docsetVersion=15.1&locale=en
응답은 'y/n'이며 '' 형식입니다. 이벤트/시련 " 또는 " 성공/총 시도 ". 반응 변수 Y를 지정할 때 먼저 "events" 변수(이 경우에는 "y")를 선택한 다음 나중에 "trials" 변수를 선택해야 합니다. 따라서 "y" 다음에 "n"이 선택됩니다. "진입"을 고정 효과로 설정하고 "차단"을 무작위 효과로 설정합니다. "이항" 분포를 선택하고 기본 "로짓" 연결 기능을 사용합니다.
6번의 반복 후에 다음과 같은 결과를 도출합니다.
위 예제의 결과는 SAS PROC GLIMMIX 및 %GLIMMIX 매크로로 확인할 수 있습니다. 코드 SAS_Example_macro_proc_verification.sas 요청 시 이용 가능 .
예 6 - 바이너리 배포(sal1_long.jmp):
데이터가 하위 집합으로 구성되어 있고 각 그룹/하위 집합을 독립적으로 모델링하려는 경우 "기준" 필드에 그룹/하위 집합 표시 변수를 지정할 수 있습니다.
이 예에서 sal1_long.jmp는 Salamander 데이터의 누적 버전입니다(원래 McCullagh 및 Nelder(1989), 섹션 14.5에서 유래). 여기서는 응답 변수 “y1, y2, y3”이 변수 “ystack”에 쌓입니다. 변수 "ycat"은 원래 응답 범주를 나타냅니다.
여기서는 응답 변수로 "ystack"을 지정하고 By 변수로 "ycat"을 지정합니다. 예제 2의 설정과 유사하게 분포, 고정 효과, 무작위 효과를 지정할 수 있습니다.
GLMM 절차는 By 필드에 지정된 각 그룹/하위 집합에 대해 수행됩니다. 최종 보고서는 아래와 같습니다. 결과는 각 그룹/하위 집합(응답 y1_pseudo, 응답 y2_pseudo 및 응답 y3_pseudo)에 대해 나열됩니다.
실시예 7 - RNA-seq 데이터
유전체학 데이터는 일반적으로 유전자/SNP 수가 일반적으로 10,000개보다 큰 고차원이기 때문에 통합 분석을 수행하는 것은 계산적으로 어려울 수 있습니다. 나중에 이 추가 기능을 사용하여 RNA-seq 데이터를 분석할 수 있도록 By 필드에 지정된 유전자 수를 늘릴 때의 성능을 테스트합니다. By 함수는 멀티스레딩으로 작성되지 않았으므로 이 섹션은 스트레스 테스트의 일부로 사용됩니다.
여기에 사용된 예제 데이터는 패키지(Hoffman & Roussos, 2020)에서 온라인으로 공개됩니다. https://bioconductor.org/packages/release/bioc/vignettes/variancePartition/inst/doc/dream.html
- varPartDEdata_count.jmp 원래 카운트 행렬입니다
- varPartDEdata_metadata.jmp 24개 샘플의 메타데이터입니다.
- varPartDEdata_stack10.jmp 처음 10개 유전자의 유전자 발현이 다른 메타데이터 변수와 함께 누적되는 처리된 데이터입니다.
- varPartDEdata_stack100.jmp 처리된 데이터로 처음 100개 유전자의 유전자 발현이 다른 메타데이터 변수와 함께 누적됩니다.
온라인 예에서 각 유전자에 대해 다음과 같이 모델을 맞출 수 있습니다.
Y ~ 질병하위 유형 + 성별 + (1|개인)
여기서 "DiseaseSubtype"과 "Sex"는 고정 효과이고 "Individual"은 무작위 효과입니다. 여기서 응답 변수 Y
배포판 선택에 따라 달라집니다. 분포의 한 가지 선택은 "푸아송(Poisson)" 분포이며, 이 경우 원시 개수 "표현식"을 응답 변수로 사용합니다. RNA-seq 데이터를 모델링하는 다른 방법은 먼저 개수의 로그 변환을 수행하고 "정규" 분포를 지정하는 동안 응답 변수로 "logexprs"를 사용하는 것입니다.
예시 데이터 사용 varPartDEdata_stack10.jmp , 우리는 10개의 유전자 각각에 대한 결과를 개별적으로 도출할 수 있습니다.
"logexprs"를 응답 변수로 사용하면 Analyze>Fit Model>Mixed Model과 GLMM 추가 기능의 결과가 동일합니다. 원시 개수 "표현식"을 응답으로 사용하고 "포아송" 분포를 지정하면 실행 시간이 더 길어집니다. 최대 반복 횟수에 도달하면 선택한 분포 또는 연결 함수가 데이터에 적합하지 않을 수 있음을 의미할 수 있습니다.
By 변수의 하위 그룹(유전자) 수
|
포아송 런타임(HH:MM:SS)
|
일반 런타임(HH:MM:SS)
|
로그(개수) 런타임(HH:MM:SS)을 사용한 혼합 모델
|
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 필드에 지정된 유전자/하위 그룹의 개수가 그룹별 보고서 제한=10보다 큼 , 예를 들어 다음을 사용하여 varPartDEdata_stack100.jmp , 더 이상 보고서가 표시되지 않습니다. 대신 화산 플롯과 함께 "GLMM 결과" JMP 테이블이 제공됩니다. "GLMM 결과" 테이블에는 F-검정 결과(DFDen_, F Ratio_, Prob > F_)의 일부, 최소 제곱 평균(LSMeans:) 및 매개변수 추정(Estimate:, -log10(Prob)의 일부가 포함됩니다. >|t|):).
"logexprs"를 Y로 지정하고 "정규" 분포를 지정하면 아래 데이터 세트를 파생할 수 있습니다. (다음과 같이 사용 가능 GLMM 결과.jmp )
지정된 첫 번째 고정 효과에 대해 기본 화산 플롯이 생성됩니다. 열을 전환하여 화산 플롯에서 관심 있는 다른 변수를 볼 수 있습니다.
(100개의 유전자, logexprs)
(10000개의 유전자, logexprs)
(10000개의 유전자, 발현, 포아송)
참고자료
호프만, GE, & 루소스, P.(2020). 꿈: 반복 측정 설계를 위한 강력한 미분 표현 분석. BioRxiv, 432567 .
울핑거, R., & 오코넬, M. (1993). 일반화 선형 혼합 모델은 유사 가능성 접근법을 사용합니다. 통계계산 및 시뮬레이션 저널 , 48(3-4), 233-243.
이 추가 기능을 사용하면 JMP에서 일반화 선형 혼합 모형을 실행할 수 있습니다.
분석 애플리케이션 개발생명 과학통계Re: 일반화 선형 혼합 모델 추가 기능@메이첸동 이것은 훌륭한 플러그인입니다!
17PRO가 있는데 이항식이나 포아송만 허용하므로 연결이 중요한 공백을 메워줍니다.
저는 대규모 RNA 데이터세트(조직 6개 x 유전자형 2개 x 유전자 10,000개)를 분석하고 있습니다. 나는 고정된 조직과 조건에 대해 전체 계승을 사용하고 무작위로 대상을 사용합니다. Gene은 By 변수입니다.
내 질문은 추정치 및 -logPs의 출력에 있습니다. 내 조직 변수(6개 값)에 대해 순서의 마지막 변수에 대한 추정치나 P 값은 얻지 못하고 LSMeans만 얻습니다. 순서를 이동하고 다시 실행하면 거기에 도달할 수 있지만 각 상호 작용(tissueXgeno)에 대한 화산 플롯을 출력하고 싶습니다. 어쩌면 내가 출력을 오해하고 있는 것은 아닐까? 미리 감사드립니다!
Re: 일반화 선형 혼합 모형 추가 기능@pwrege 복사하고 있어요 @메이첸동 , 귀하의 질문에 답변할 수 있는 사람입니다.@ 기능을 사용하면 선택한 사람에게 이메일이 전송됩니다.
Re: 일반화 선형 혼합 모형 추가 기능안녕 @pwrege , 질문해주셔서 감사합니다! JMP17 Pro에 액세스할 수 있는 경우 분석 > 적합 모델에서 보다 완전한 버전의 GLMM을 사용해 본 다음 성격을 "일반화 선형 혼합 모델"로 선택할 수 있습니다.
애드인의 경우 어떤 매개변수 설정을 사용하셨는지 궁금합니다. 옵션 패널에서 "최대 반복"을 늘려보셨나요? 모델이 수렴되는 데 더 많은 반복이 필요한 경우도 있습니다. 더 궁금한 점이 있으면 알려주세요!
Re: 일반화 선형 혼합 모델 추가 기능저는 음향 모니터링을 사용하여 중앙 아프리카의 숲 코끼리 생태와 행동을 연구합니다. 나는 낮보다는 밤에 코끼리 울음소리가 발생할 확률에 대한 로깅 활동의 영향을 살펴보는 데 관심이 있습니다. 왜냐하면 다른 연구에서는 야간 울음소리의 증가가 인간의 교란(주로 밀렵)에 대한 반응을 반영한다고 제안했기 때문입니다. 데이터는 활성 로깅과 서로 다른 거리(= 몇 킬로미터보다 더 가까운)에 있는 9개 사이트의 기록을 통해 결정된 성공/시도입니다.
나는 주변 평균의 출력 때문에(이 간단한 분석에서는 무작위 효과가 없음) GLMM 추가 기능을 사용하고 싶었지만 예측 변수로서의 모수 추정 및 유의성은 GLMM과 GLM과 크게 다르며 이것이 왜 필요한지 궁금합니다. BE.
다음은 두 성격의 출력 스크린샷입니다.
GLMM - 사건/시행 - 이항 - 로짓
적합성 요약
R스퀘어 | 0.004847 |
RSquare 조정 | 0.002292 |
제곱 평균 오차 | 0.939466 |
반응의 평균 | -0.0881 |
관찰(또는 총 Wgts) | 194.2821 |
분산 분석
원천 | DF | 제곱의 합 | 평균 제곱 | F 비율 |
모델 | 2 | 3.34890 | 1.67445 | 1.8972 |
오류 | 779 | 687.54205 | 0.88260 | 확률 > F |
씨. 총 | 781 | 690.89095 | | 0.1507 |
매개변수 추정
용어 | 추정 | 표준 오류 | t 비율 | 문제>|t| |
인터셉트 | 0.0484165 | 0.097423 | 0.50 | 0.6193 |
회계연도[1] | -0.084323 | 0.078483 | -1.07 | 0.2830 |
logexpos2[1예] | 0.1389546 | 0.091878 | 1.51 | 0.1308 |
-
GLM - 사건/시행 - 이항 - 로짓
전체 모델 테스트
모델 | -로그우도 | LR 카이스퀘어 | DF | 문제>치스크 |
차이점 | 247.258921 | 494.5178 | 2 | <.0001* |
가득한 | 9444.02167 | | | |
줄인 | 9691.28059 | | | |
적합도 통계 | 카이스퀘어 | DF | 문제>치스크 |
피어슨 | 14001.87 | 779 | <.0001* |
일탈 | 18426.55 | 779 | <.0001* |
효과 테스트
원천 | DF | LR 카이스퀘어 | 문제>치스크 | |
회계 연도 | 1 | 62.133979 | <.0001* | |
로그엑스포스2 | 1 | 413.68264 | <.0001* | |
매개변수 추정
용어 | 추정 | 표준 오류 | LR 카이스퀘어 | 문제>치스크 | 낮은 CL | 상위 CL |
인터셉트 | 0.291917 | 0.0233196 | 162.24916 | <.0001* | 0.2463549 | 0.3377743 |
회계연도[1] | -0.137987 | 0.0175207 | 62.133979 | <.0001* | -0.172342 | -0.103659 |
logexpos2[1예] | 0.4319415 | 0.0217689 | 413.68264 | <.0001* | 0.3894144 | 0.4747556 |
-
의견을 보내주셔서 감사합니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕 @winfriedkoch0 ,
저는 JMP PRO 17에서 GLMM 플랫폼을 사용할 수 있을 것이라고 믿습니다.
Re: 일반화 선형 혼합 모델 추가 기능이전 응답에서 향후 JMP 17에서 추가 공분산 구조 옵션을 사용할 수 있다고 언급하셨습니다. 이 메시지는 JMP 17에만 해당됩니까, 아니면 JMP 17 Pro에만 해당됩니까?
Re: 일반화 선형 혼합 모델 추가 기능안녕 @kandonov ,
질문해주셔서 감사합니다. 여러 개의 종속 변수(예: {y1, y2, y3})가 있는 경우 Y 상자에 모두 지정하면 불행하게도 작동하지 않습니다. 이 추가 기능의 경우 현재 Y 상자에 여러 변수를 넣는 유일한 경우는 예제 5입니다. 이는 두 번째 변수를 사용하여 n을 지정하는 이항 사례를 보여줍니다.
그러나 시도해 보라고 제안하는 몇 가지 해결 방법이 있습니다.
먼저, 데이터를 쌓고(y1, y2, y3을 하나의 변수 y에 쌓음) 현재 추가 기능이나 '혼합 모델' 특성을 갖춘 '모델 적합'을 실행하여 다변량 변수를 나타내는 새 변수를 생성할 수 있습니다(예: , 이 변수의 값은 어떤 변수가 해당하는 y 값인지 제안하기 위해 변수 이름 'y1', 'y2', 'y3'이 될 수 있으며 다른 모든 변수와 함께 고정 효과로 지정하고 다음과의 일부 상호 작용도 할 수 있습니다. 그것.그런 다음 '주제'를 무작위 효과로 지정합니다. 이는 완전히 다변량은 아니지만 이에 대한 더 간단한 근사치인 복합 대칭 cov 구조를 설정합니다.
둘째, 나는 데이터가 포아송 또는 이항인 경우 중앙에 배치하고 크기를 조정하고 선형 혼합 모델에 정규 근사치를 사용할 수도 있습니다. '혼합모델' 성격을 지닌 '핏모델'의 사례를 살펴보세요.
더 궁금한 점이 있으면 알려주세요! 언제나 연락 가능한 시간 Meichen.Dong@jmp.com .
최상의,
마이헨
Re: 일반화 선형 혼합 모델 추가 기능친애하는 메이첸에게,
이 훌륭한 추가 기능에 감사드립니다!
그러나 질문이 있습니다. 이 추가 기능을 사용하여 다변량 GLMM을 수행할 수 있습니까? 아마도 "Y" 상자에 몇 가지 종속 변수를 추가하면 작동할 것입니다. 그렇죠?
건배,
케이/
Re: 일반화 선형 혼합 모델 추가 기능안녕 @MANCOVAChicken1 , 질문해주셔서 감사합니다!
질문 1의 경우 이상적으로는 모델이 데이터에 잘 맞는 경우 30번째 반복 이전에 수렴(1e-8)이 달성될 수 있습니다. 그러나 30회 반복 후에도 수렴이 이루어지지 않으면 반복 횟수를 늘리거나 수렴 기준을 느슨하게(예: 1e-7로 변경)하여 수렴이 달성되는지 확인할 수 있습니다. 귀하의 경우 30번의 반복만으로는 충분하지 않은 것 같으므로 반복 횟수를 늘리는 것이 올바른 방법입니다. 이 숫자를 200과 같은 더 큰 값으로 늘려 결과가 100으로 설정했을 때와 비교하여 변경되는지 확인하는 것이 좋습니다. 수렴이 이루어지면 반복 횟수를 더 늘려도 같은 결과가 나옵니다.
질문 2의 경우 감마 분포를 선택하면 표준 링크 '상호' 또는 '역' 링크가 사용됩니다. 따라서 원래 데이터 규모에서 LS 평균을 도출하려면 변환이 필요합니다. 즉, 예상 값 E(Y_i) = mu_i는 다음과 같이 모델링됩니다. 1/(mu_i) = b0+b1*x_1i + ...
mu_i를 도출하려면 예측 값의 역수인 1/(b0+b1*x_1i + ...)를 취해야 합니다.
더 궁금한 점이 있으면 알려주세요. 언제든지 Meichen.Dong@jmp.com으로 연락하실 수 있습니다.
최상의,
마이헨
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요, 메이첸 님,
GLMM 추가 기능을 처음 사용합니다. 내 질문은 다음과 같습니다
1. 특정 모델에 대해 지정할 수 있는 "올바른" 최대 반복 횟수가 있습니까? 아니면 시행착오적인 접근 방식입니까? 동일한 모델을 기본 최대 수(30)로 실행한 다음 100번의 반복을 시도했는데 결과가 크게 달라졌습니다. 30회 반복에서 R2는 0에 가까웠고 어떤 변수도 유의미한 p-값을 갖지 않았습니다(효과 테스트 섹션). 100회 반복에서 모델 R2는 0.7이었고 관심 설명 변수는 알파 0.5에서 유의했습니다.
2. 감마 분포를 선택하면 LS 평균과 모든 추정치가 원래 데이터 규모가 아닌 일종의 변환된 규모에 있는 것처럼 보입니다. LS 평균을 역변환해야 하며 어떤 변환을 사용해야 합니까?
감사합니다!
Re: 일반화 선형 혼합 모델 추가 기능안녕 @Avg브론토사우루스 ,
이는 매개변수 ''와 관련이 있을 수 있습니다. 그룹별 보고서 제한 ” – 예를 들어, BY 변수에 다음이 있는 경우 20레벨 모든 모델 세부정보를 보려면 이 값을 다음과 같이 설정할 수 있습니다. 21 이상 . 이 매개변수는 너무 많은 결과가 출력되는 것을 방지하기 위해 설계되었습니다. 예를 들어 10,000개의 레벨이 있을 때 결과를 하나씩 보고 싶지 않을 것입니다.
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요 Meichen, 저는 예제 중 하나를 시도해 보았는데
같은 문제. 실행을 누른 후 나타나는 창은 두 개뿐입니다.
모든 ANOVA 테이블 값, LSM 및 그래프가 포함된 스프레드시트
건축업자. "기준" 요소를 포함하지 않으면 전체 보고서가 나타납니다.
자동으로.
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요 @Avg브론토사우루스 , 질문해주셔서 감사합니다! 매개변수와 변수를 지정한 후에 GLMM 보고서가 표시되지 않았다는 뜻인가요? 우리가 제공한 예제 중 일부를 성공적으로 실행할 수 있습니까? 더 자세한 내용을 공유하고 싶으신가요? 더 많은 질문을 제 이메일로 보내주세요: Meichen.Dong@jmp.com !
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요, 메이첸 님,
하위 그룹화 요소별로 실행할 때 GLMM에 대한 보고서를 찾는 데 문제가 있습니다. 그래프 빌더와 분산 분석 테이블을 얻었지만 사후 분석을 실행하고 싶습니다. 일반적으로 자동으로 생성된 최종 보고서에서 해당 보고서를 실행합니다. 해당 보고서를 호출할 수 있는 방법이 있습니까? 아니면 사후 분석을 다른 방법으로 실행하시겠습니까?
감사해요!
Re: 일반화 선형 혼합 모형 추가 기능안녕 @닝214 , 변수 이름이 무엇인지 궁금합니다. 더 자세한 내용을 제공하거나 나에게 장난감 예시를 보내주시면 좋을 것 같습니다. 또한 자세한 내용은 Meichen.Dong@jmp.com으로 이메일을 보내 주시기 바랍니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕하세요,
모든 데이터 샘플은 jmp pro 15에서 원활하게 실행됩니다. 그러나 카운트 데이터(푸아송 분포)를 실행할 때 다음과 같은 상황이 발생합니다.
귀하의 도움을 바랍니다.
정말 감사합니다.
Re: 일반화 선형 혼합 모형 추가 기능안녕 @smartxalex Alex, 결과 변수가 연속적이라고 말씀하셨는데 추가 기능에서 매개변수를 어떻게 지정하셨나요? 구체적으로 "배포"와 "링크"는 무엇으로 지정되었나요? 결과가 정규 분포를 따른다면 JMP에서 MIXED 모델을 사용해 볼 수 있습니다. 질문에 대한 자세한 내용/장난감 예에 대해 이메일을 보내 주시기 바랍니다! 내 이메일은: Meichen.Dong@jmp.com
최상의,
마이헨
Re: 일반화 선형 혼합 모형 추가 기능좋은 저녁이에요,
누군가가 문제를 해결하는 데 도움을 줄 수 있기를 바랐습니다.이 추가 기능을 평생 사용할 수는 없습니다.위에 제공된 샘플 데이터에 대해 작동하도록 할 수 있습니다. 그러나 모델링하고 싶은 매우 간단한 데이터가 있습니다.연속 종속 변수가 있습니다. 하나의 연속 독립변수와 하나의 이진변수입니다.이진 변수가 연속 종속 변수에 미치는 영향을 테스트하고 싶지만 다음과 같은 오류 메시지가 계속 나타납니다.
"모든 행에 제외되거나 누락된 데이터가 있습니다.누락된 데이터가 가장 많은 열은 (이진변수)'이지만 누락된 데이터는 없습니다.모든 행에 데이터가 입력되어 있습니다.
"확인"을 클릭하면 다음과 같은 또 다른 오류 메시지가 나타납니다.
"'열', 열/*###*/("Cond Pred Formula _pseudo")의 액세스 또는 평가에서 열을 찾을 수 없습니다."
생성된 테이블을 보면 "_eta"와 "_pseudo" 모두 공백값을 가지고 있습니다.
저는 현재 JMP 15를 사용하고 있습니다. 제 요구 사항을 충족하기 위해 여러 소프트웨어 사이를 오가며 작업하는 대신 JMP에만 의존하여 결과를 도출하고 싶기 때문에 어떤 도움이라도 주시면 감사하겠습니다.미리 감사드립니다!
친애하는,
알렉스
Re: 일반화 선형 혼합 모형 추가 기능안녕 @MagaSganga , 방금 말씀하신 문제를 파악했습니다. 업데이트된 추가 기능을 사용해 보세요! 피드백을 보내주셔서 감사합니다!
Re: 일반화 선형 혼합 모형 추가 기능안녕 @smmarsh2 , 질문해주셔서 감사합니다! 현재 이 추가 기능에서는 공분산 행렬에 대한 옵션을 제공하지 않습니다. 하지만 JMP 17(새 릴리스)에는 새로운 JMP GLMM 플랫폼이 포함될 예정입니다. 새로운 플랫폼은 초기에 G측 공분산 행렬만 사용했는데, JMP에서는 분산 성분과 확률 계수 모델(공분산 포함)을 의미합니다. 반복 측정 및/또는 공간 데이터에 대한 R측 공분산 구조는 향후 릴리스 계획에 있습니다.
궁금한 점이 있으면 알려주시기 바랍니다.
최상의,
마이헨
Re: 일반화 선형 혼합 모형 추가 기능GLIMMIX를 배우기 시작했습니다. 하지만 제 멘토는 JMP가 아닌 SAS에서 이 기능을 자주 사용합니다. 플러그인에 대한 그의 의견은 다음과 같습니다.
예제를 살펴보면서 그들은 항상 분산 구성요소를 공분산 행렬로 사용했습니다. 저에게 있어 그 매트릭스는 가장 낮은 AICC를 제공한 적이 없습니다. 사용된 매트릭스를 변경할 수 있는 방법이 있기를 바랍니다.
공분산 행렬에 대한 다른 옵션이 있습니까?
감사합니다!
스테파니
Re: 일반화 선형 혼합 모형 추가 기능안녕 @MagaSganga ,
예제 데이터를 사용해 보고 현재 JMP 버전이 설치된 컴퓨터에서 작동하는지 확인해 보셨나요?
제가 제안하고 싶은 한 가지 방법은 "By" 변수를 문자 및 명목상 모델링 유형으로 설정하는 것입니다. 여전히 실행하는 데 문제가 있는 경우 자세한 내용이나 장난감 예제 데이터를 보내 주시기 바랍니다.
Re: 일반화 선형 혼합 모형 추가 기능안녕 @메이첸동 . 귀하의 추가 기능을 사용하고 있는데 By에 문제가 있습니다. 나는 그것을 작동시킬 수 없습니다. 열을 선택하고 By에 넣으면 다음 오류가 발생합니다.
Glimmix 13개 매개변수(응답, 고정 효과, 무작위 효과, 분포, 링크, 최대값 = 50, 수렴 = 0.00000001, 오프셋 = 0, cf = 0.5, 가중치 = 1, 지수 = 1, 숫자 = 0.00001, ynom_reference) 표시 10 인수("PL MIN", "Posicion unificada", "ID, Contrario", "Poisson", "", 30, 0.00000001, "", 0.5, "").
추가로 'Function', Function(을 평가합니다.
{응답, 고정_효과, 무작위_효과, 분포, 링크, 최대값 = 50,
수렴 = 0.00000001, 오프셋 = 0, cf = 0.5, 가중치 = 1, 지수 = 1, 숫자 =
0.00001, ynom_reference},
{iter, rmse, 이전, curr, 오류, dt},
dt = 현재 데이터 테이블();
그리고 텍스트는 계속됩니다. By es에 넣은 Cat 열은 숫자와 서수입니다. 이 항목을 공백으로 두면 프로그램이 작동합니다.
5일 전에 이 추가 기능을 다운로드하여 설치했기 때문에 마지막 버전이 있는 것 같습니다.
감사합니다.
Re: 일반화 선형 혼합 모형 추가 기능안녕 @YAMAg , 질문 주셔서 감사합니다! 예제 데이터를 다운로드하여 추가 기능이 작동하는지 확인해 보신 적이 있으신가요?변수의 모델링 유형이 올바르게 설정되었는지 확인할 수 있나요? 위의 단계가 도움이 되지 않으면 장난감 예시/자세한 질문을 이메일로 보내주세요. Meichen.Dong@jmp.com .
최상의,
마이헨
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요, 제가 찾던 정보인데 유용한 것 같습니다.
분석을 어떻게 해야할지 모르겠어서 질문드리고 싶습니다.
이진변수인 결과와 관련된 요소를 검색하기 위해 GLMM을 수행하고 싶습니다. 이 과정에서 내 데이터는 동일한 주제에서 여러 번 수집되었기 때문에 개인별로 중첩됩니다.
Y에는 결과(이진변수, 이름)를, 고정효과에는 탐색요인, 무작위효과에는 ID(주체 식별용)를 추가했습니다. Weight, Offset 또는 By에 아무 것도 추가하지 않았습니다. 그런데 Columm/*##*/(*Cond Pred Fomula_pseudo*)라는 오류 메시지가 나와서 잘 분석하지 못했습니다. 나에게 좋은 조언을 해주실 수 있기를 바랍니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕 @juaccco123 , 내 이메일은 Meichen.Dong@jmp.com . 자세한 질문이나 장난감 데이터 세트를 보내 주시기 바랍니다!
-메이헨
Re: 일반화 선형 혼합 모형 추가 기능안녕하세요 Meichen, 빠른 응답에 감사드립니다.
저는 JMP 15를 사용하고 있습니다. 귀하의 제안을 PC에서 시도했지만(모델 변수 앞에 변수를 배치) 여전히 작동하지 않습니다.
내 데이터 세트를 어떻게 공유할 수 있나요?
Re: 일반화 선형 혼합 모델 추가 기능안녕 @juaccco123 , 십자가를 클릭하기 전에 관심 있는 모든 변수를 선택하려고 했습니까? 이것은 내 쪽에서 작동합니다. Mac 또는 Windows 컴퓨터를 사용하고 있습니까? 어떤 JMP 버전을 사용하고 있나요?
장난감 데이터 세트가 있으면 자세히 살펴볼 수도 있습니다.
-메이헨
Re: 일반화 선형 혼합 모델 추가 기능방금 추가 기능을 다운로드했고 고정 효과와 무작위 효과에 대한 변수를 교차하려고 합니다. 그러나 변수를 선택하고 "교차"를 클릭하면 아무 일도 일어나지 않습니다.
당신이 나를 도울 수?
감사합니다
Re: 일반화 선형 혼합 모델 추가 기능안녕 @샌딥123 , 방금 추가 기능을 업데이트했습니다. 새로 추가된 '예제 2.1' 부분을 참조하세요. 이를 통해 결과를 숫자 형식으로 수동으로 기록하지 않고도 명목상의 결과로 작업할 수 있습니다. 궁금한 점이 있으면 알려주세요! 피드백을 보내주셔서 감사합니다!
Re: 일반화 선형 혼합 모델 추가 기능안녕 @샌딥123 , 이것은 좋은 질문입니다! 현재 버전에서는 결과 변수에 대해 "다시 코딩"하고 분석을 수행할 수 있습니다(아래 그림 참조). 곧 명목상의 결과를 허용하도록 추가 기능을 업데이트할 예정입니다.
Re: 일반화 선형 혼합 모델 추가 기능명목형 결과 변수(사망률 예/아니요)에 관심이 있습니다. 여러 사이트의 데이터가 있습니다. 모델에 사이트를 무작위 변수로 포함하고 싶었습니다.
jmp는 임의 효과를 허용하지 않으므로 옵션을 검색하고 있습니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕 @샌딥123 , 예제 2와 예제 6은 이진 y 변수에 대한 것입니다. 기본 연결 함수는 로짓입니다. 이것이 당신이 찾고 있는 것이겠습니까?
Re: 일반화 선형 혼합 모델 추가 기능범주형 y 변수(로지스틱 회귀)에 대해 이를 실행하는 방법이 있습니까?
Re: 일반화 선형 혼합 모델 추가 기능안녕하세요 I_yampolsky님,
버전 10일 수도 있습니다. 네, 확실히 15에서는 작동합니다.
감사해요!
Re: 일반화 선형 혼합 모델 추가 기능버전별로 다를 수 있나요? 나는 아직 Ver.에 있습니다. 10인데 다른 곳에서는 14나 15에 액세스할 수 있는데 14나 15에서도 작동하나요?
Re: 일반화 선형 혼합 모델 추가 기능특히 중첩 효과의 해결 방법에서 제가 찾고 있던 것이 바로 이것이었습니다.
그런데 실행하는 데 문제가 있습니다. 필수 옵션인 배포 및 링크는 회색으로 표시되며 클릭하여 선택할 수 없습니다.
내가 도대체 뭘 잘못하고있는 겁니까?
감사해요!
Re: 일반화 선형 혼합 모델 추가 기능안녕 @CraigSargent , Year가 무작위 효과이고 Trial이 Year 내에 중첩된 경우에도 비슷한 작업을 수행할 수 있습니다. 다음 두 가지 모델을 테스트해 볼 수 있습니다.
모델 1: Y = 고정 효과 + 연도 + 평가판[연도]
모델 2: Y = 고정 효과 + 연도 + new_variable
여기서 "new_variable"은 각 연도 및 평가판의 고유 ID입니다.
예를 들어 연도 = 2018, 2019 및 각 연도가 있고 평가판 수준 = A, B, C, D가 있는 경우 데이터는 다음과 같습니다.
연도 평가판 new_variable
2018A 2018_A
2018B 2018_B
2018C 2018_C
2018년 2018_D
2019A 2019_A
2019B 2019_B
2019C 2019_C
2019년 2019_D
모델 1과 모델 2는 동일한 결과를 제공해야 합니다. 따라서 모델 2를 사용하면 더 이상 "중첩" 효과를 지정할 필요가 없습니다.
위의 내용이 충분히 명확하지 않은 경우 알려주시기 바랍니다. 더 많은 예를 제공해 드리겠습니다.
-메이헨
Re: 일반화 선형 혼합 모델 추가 기능추가 기능을 얻는 방법을 명확하게 알려주셔서 감사합니다.
중첩 효과에 대한 해결 방법도 알려주셔서 감사합니다.
내가 중첩 효과를 사용하는 곳은 분할 플롯과 같은 디자인이나 수년 내에 실험적 시도를 포함하는 장기 디자인입니다. 예를 들어 Year는 무작위 효과이고 Year 내에 중첩된 Trial은 무작위 효과입니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕 @CraigSargent , 이 웹페이지 상단에서 소스 파일을 볼 수 있습니다. "Generalized Linear Mixed Model.jmpaddin" 파일을 로컬 드라이브/폴더(예: Desktop)에 저장합니다. 그런 다음 가상 덴 JMP에서 > 파일 > 열기 > 데스크톱 > 일반화 선형 혼합 모델.jmpaddin을 선택합니다.
중첩 효과 질문의 경우 @sbrlsi 실제로 그것을 사용하지 않는 것이 간단하다고 제안했습니다. 중첩 변수의 각 수준 내에서 고유 ID가 있는 열을 생성하기만 하면 됩니다.
여기서 간단한 예를 살펴보겠습니다. https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/two-factor-nested-random- Effects-model.shtml .
도움말> 샘플 데이터 > 측정 시스템 > 2 요소 Nested.jmp를 선택하여 "2 요소 Nested.jmp" 예제 데이터에 액세스할 수 있습니다. 데이터는 다음과 같습니다.
"Part"가 "Operator"에 중첩되어 있고 "Part"가 "Operator"의 각 수준 내에서 고유 ID를 갖고 있음을 알 수 있습니다.
Part[연산자] 또는 Part를 사용하여 다음과 같은 두 모델을 적합할 수 있으며 결과는 동일합니다.
이에 대해 궁금한 점이 있으면 알려주시기 바랍니다.
Re: 일반화 선형 혼합 모델 추가 기능감사합니다. 내 로컬 드라이브에 저장하려면 추가 기능 파일을 어디에서 찾을 수 있나요?
중첩 효과에 대해서는 해당 기능을 곧 추가하길 바랍니다. 내 연구에서 내 실험 디자인의 대부분은 중첩 효과를 포함합니다. JMP 추가 기능에 적합한 중첩 효과를 추가할 때까지 SAS에서 GLIMMIX를 계속 사용할 예정입니다.
JMP에서 GLMM 문제를 해결해 주셔서 감사합니다. 그것은 제가 수년 동안 요청해 왔던 것입니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕 @CraigSargent ,
첫 번째 질문의 경우, Virtual Lab/Den에서 JMP를 사용할 때 먼저 추가 기능 파일을 로컬 드라이브에 저장했다면 가상으로도 설치할 수 있습니다! 방금 학교의 가상 실습실을 사용해 시도해 보았는데 잘 작동했습니다. 따라서 귀하 또는 귀하의 학생에게 문제가 발생하면 알려주십시오!
두 번째 질문의 경우 현재 추가 기능 버전에서는 아직 중첩 효과를 적용할 수 없습니다. 나중에 해당 기능을 추가할 수도 있습니다!
Re: 일반화 선형 혼합 모델 추가 기능고정 효과나 무작위 효과를 중첩할 수 있나요? 비디오에 표시된 인터페이스의 구성 모델 부분에서는 명확하지 않습니다.
Re: 일반화 선형 혼합 모델 추가 기능이 추가 기능을 설치해야 한다고 하면 어떻게 작동합니까? 우리 대학에는 JMP 사이트 라이센스가 있으며 복사본을 주 컴퓨터에 다운로드하거나 Citrix 환경을 통해 Virtual Den이라고 부르는 곳에서 사용할 수 있습니다. 학생들이 강의실에서 노트북으로 JMP를 사용할 때 주로 Virtual Den에서 사용합니다. 이 경우 네트워크 관리자가 추가 기능을 포함해야 합니까? 감사해요.
Re: 일반화 선형 혼합 모델 추가 기능안녕하세요 메이첸
매우 감사합니다. 잘 작동해요! 다행히도 수정해야 할 추가 작업이 너무 많지 않았습니다.
베드로
Re: 일반화 선형 혼합 모델 추가 기능안녕 @PDunn , 여기에서 추가 기능 파일을 업데이트했습니다. 지금 다시 다운로드하여 사용해 보시겠습니까? 이 수정으로 문제가 해결되어야 한다고 생각합니다. 더 궁금한 점이 있으면 알려주세요! -메이헨
Re: 일반화 선형 혼합 모델 추가 기능안녕 피터 @PDunn , 그렇습니다. 화산 플롯은 훌륭한 요약 수치이며 MixedModel은 이를 직접 생성하지 않습니다. 이 문제가 해결되면 업데이트하겠습니다! JMP Genomics에는 뛰어난 RNA-seq 분석 작업 흐름이 있으므로 관심이 있으면 확인해 볼 수 있습니다. -메이헨
Re: 일반화 선형 혼합 모델 추가 기능안녕
다시 연락해 주셔서 감사합니다. 예, 다시 설치해 보았으나 여전히 같은 오류가 발생했습니다. Mac의 JMP 14에서도 사용해 보았습니다. 이전에는 Win10을 사용하고 있었습니다. 여전히 같은 문제입니다. 그러나 이에 대해 더 많이 생각하고 출력(온라인 파일 GLMM result.jmp)을 살펴본 후에는 "By" 옵션 없이도 이 옵션을 사용할 수 있다고 생각합니다. 한 번에 많은 유전자를 조사하려면 실제로 "by" 명령으로는 얻을 수 없는 유전자별 유의성 결과를 원합니다. 반면에 화산 플롯을 얻으려면 "by" 명령이 필요할 수 있습니다. 적어도 정규 분포 응답 변수의 경우 MixedModel을 계속 사용할 수 있습니다. 그래도 이걸 실행하면 좋을 것 같아요. JMP Genomics 패키지에서 이 기능을 실행하고 있는지 궁금합니다(본 적이 없습니다).
다시한번 도움주셔서 감사드리며, 남은 여름 잘 보내세요. 베드로
Re: 일반화 선형 혼합 모델 추가 기능안녕 피터 @PDunn , 시도해 주셔서 감사합니다! ("등록 취소"하지 않고 직접 다시 설치해 보셨나요?) 확실히 고쳐야 할 부분이 있습니다! "By" 기능이 최근 추가되었으며 더 많은 디버깅이 필요할 수 있습니다. 추가 기능을 작성하는 동안 JMP 15.2를 사용하고 있었지만 버전은 중요하지 않다고 생각합니다. 이것은 사실 제 여름 인턴십 프로젝트인데 지금은 JMP에 대한 액세스가 제한되어 있기 때문에 버그를 수정하고 업데이트하는 데 시간이 좀 걸릴 수 있습니다. 해결책이 생기면 계속 업데이트해 드리겠습니다!
Re: 일반화 선형 혼합 모델 추가 기능안녕
답장해 주셔서 감사합니다. 방금 추가 기능을 "등록 취소"한 다음 다시 설치했습니다. 그런 다음 "varPartDEdata_stack10" 파일에 다시 추가를 시도했습니다. "by" 변수의 이름을 Gene1(원래 Gene)로 바꾸거나 새 열에 복사하고 이름을 바꾼 후에도 추가 기능이 작동하지 않았습니다. 프로그램(JMP 16EA)을 다시 시작해도 문제가 계속 발생했습니다.
그래서 무엇이 잘못되었을 수 있는지 잘 모르겠습니다. 오류 내용: 이름이 해결되지 않음: 'Gene1'에 액세스하거나 평가할 때 행1의 Gene1, Gene1/*###*/
"by" 변수(Gene1)를 생략하면 실행되지만 여기서 어떤 유전자가 중요한지 아는 것은 분명히 가치가 있습니다.
고마워요, 피터
Re: 일반화 선형 혼합 모델 추가 기능안녕 @PDunn , 귀하의 문제를 확인했습니다. 예, 가끔 저에게도 그런 일이 발생했으며 고치려고 노력하고 있습니다. 현재 버전에서 추가 기능을 다시 설치하여 RNA-seq 예제가 작동하는지 확인할 수 있습니까? 데이터 테이블에서 'by' 변수의 이름을 바꾸는 것도 때때로 작동합니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕
예, 매우 유용해 보입니다.나는 우주선 예제를 시도했고 작동했지만 RNA-seq 데이터의 마지막 예제는 나에게 알 수 없는 오류를 제공하고 내 RNA-seq 데이터에서도 다소 유사한 오류를 제공합니다.varPartDEdata_stack10.jmp 데이터 세트를 사용하여 Y=logexprs, By = Gene, 정규 분포, 성별 및 질병 하위 유형의 고정 효과 및 개인의 무작위 효과를 사용하여 지침(및 YouTube 비디오)을 따랐습니다.Run을 누르면 오류가 발생합니다: Name Unresolved: Gene at row 1 in access orevaluation of 'Gene', Gene/*###*/.
어떤 제안이 있으십니까?
고마워요, 피터
Re: 일반화 선형 혼합 모델 추가 기능이 추가 기능은 JMP 사용자에게 매우 유용합니다.
Re: 일반화 선형 혼합 모델 추가 기능안녕하세요 @시즈 , 언제든지 저희에게 연락해 주세요. support@jmp.com 문제를 해결하는 데 도움을 드릴 수 있습니다. 여기로 연락하셨다고 말씀하시고 커뮤니티 게시물 링크를 공유해 주세요. 우리(JMP)는 (다른 데이터 구조에 대해) 견고성에 대해 어떠한 주장도 하지 않으며 사용된 코드를 유지하거나 업데이트하겠다고 약속할 수도 없지만(이것은 추가 기능이므로) 이것이 매우 유용하다는 점에는 여전히 동의합니다!
JMP 18 Pro(2024년 1분기 출시 예정)에서는 GLMM에서 정규, 지수, 로그 정규, 베타 및 음이항을 지원합니다(현재 17 Pro에서 지원되는 이항 및 포아송 외에도).
건배 @PatrickGiuliano (JMP 기술 지원)
