廣義線性混合模型插件該插件可讓您在 JMP 中運行廣義線性混合模型。 預設參數設定與 SAS %GLIMMIX 巨集基本上相同，後者使用迭代重新加權似然來擬合模型（Wolfinger & O'connell，1993）。
這選擇列面板顯示目前資料集中的所有變數。
這選擇角色變數面板允許您指定：
- Y：響應變數。
- 權重：分析的權重變數。
- Offset：偏移變數。 預設沒有偏移。
- By：by 變數可讓您同時擬合子組的模型。
這建構模型效果面板包括：
這選項面板包括：
- 分配：響應變數分佈。 預設為二項式。
- 關聯：在使用混合模型之前用於將反應變數轉換為偽分數的連結函數。 提供了規範的連結函數。
- 最大迭代次數：演算法收斂的最大迭代次數。 預設值為 30。
- 收斂準則：如果 RMSE 小於收斂準則的值，則迭代將停止。 預設值為 1E-8。
- 修正係數：在初始轉換步驟中加入到反應變數的常數，以避免奇異性。 預設值為 0.5。
- 按組報告限制：當指定By變數時，如果子組的數量大於此限制數量，則報告輸出將被抑制。 相反，將提供一個匯總表和一個圖形生成器介面。
我們將使用線上提供的範例（%GLIMMIX 巨集結果網站： https://support.sas.com/techsup/notes/v8/25/030.html或 PROC GLIMMIX 網站： https://go.documentation.sas.com/?docsetId=statug&docsetVersion=15.1&docsetTarget=statug_glimmix_examples.htm&locale=en ）。 若要使用 SAS 巨集得出比較結果，請在 MODEL 語句中設定「DDFM=KR」選項，並在 PROC MIXED 語句中設定「NOBOUND」選項。
示範影片也可線上取得：
範例 6——Salamander 資料長格式： https://youtu.be/6gCqufudFV4
實施例 7—RNA-seq 資料： https://youtu.be/o4LeTmVzzVE
範例 1 – 泊松分佈 (ship_demo.jmp)：
以下是船舶數據的一瞥（最初來自 McCullagh 和 Nelder (1989)，第 6.3 節）。
反應變數為“N”，服從泊松分佈。 廣義線性混合模型中的固定效應是「類型」；隨機效應為「年、期間、年*期間」。 偏移變數是“服務”。
泊松分佈的預設連結函數是「對數」連結。 請注意，如果我們想對選定的發行版使用規範（預設）鏈接，我們可以將連結框留空。
可以透過選擇兩個或多個變數並點擊「固定效果」或「隨機效果」面板中的「十字」按鈕來新增交互項。
指定所有模型參數後點選“運行”按鈕。 經過28次迭代後，演算法收斂。 結果輸出為 JMP 中的混合模型格式。 請注意，在與 %GLIMMIX SAS 巨集結果進行比較時，由於設計矩陣編碼的差異，我們建議比較 F 檢定結果、LS 平均值或變異數分量估計值，而不是固定效應參數估計值。
範例 2 – 二進位分發 (sal1.jmp)：
以下是 Salamander 數據的一瞥（最初來自 McCullagh 和 Nelder (1989)，第 14.5 節）。 請注意，在運行分析之前，為感興趣的變數定義適當的建模類型。 在下面的例子中，變數“fnum，mnum”是連續的數字。 但如果我們想將它們用作分類變量，我們可以右鍵單擊變量名稱>列信息，然後將建模類型更改為名義。
型號規格：反應變數：ybin。 分佈：二項式。 連結函數：logit。
固定效果：fpop、mpop、fpop*mpop。 隨機效果：fpop*fnum、mpop*mnum。
該演算法在 10 次迭代後收斂。
範例 2.1 二進位分佈 (sal1_ynominal.jmp)：
如果結果是特性/標稱，例如以下資料中的“ybin_char”（等級為Y和N），我們提供選項“名義結果的參考水平 (Y)” 。 您可以指定參考級別，例如預設為“N”。 另一個例子：結果 Y 有水平 '高的' 和 '低的'，並且您可以指定'低的' 在名目結果 (Y) 框中的參考水準。
範例 3 – 二項式分佈 (blotch.jmp)
資料來源： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex04.htm&docsetVersion=15.1&locale=en
反應變數“prop”表示發生率。 「場地」和「品種」是兩個固定效應。 我們選擇「二項式」分佈，預設連結函數為「Logit」。 （我們在此範例中指定沒有隨機效應。）
「品種」和「站點」的 LSmean 與 %GLIMMIX 宏和 PROC GLIMMIX 的 LSmean 一致。 然而，F 檢定結果顯示出差異。
範例 4 – 二項式分佈 (rcb_binomial.jmp)
經過 6 次迭代後，我們得到以下結果。 此結果與 %GLIMMIX 巨集產生的結果一致，但與 PROC GLIMMIX 的結果略有不同。
推導出預測的“事件/試驗“ 或者 ”成功次數/總嘗試次數” 率，執行轉換：
其中的估計
是我們資料表中的「_pred」列。 這可以透過在資料表中手動新增一列並為其設定公式來完成。
具體來說，運行 GLMM 插件後，您的資料集如下所示。
我們可以建立一個新列，並為其設定公式：
然後，我們最終可以推導出新的變數predicted_rate，如下所示：
範例 5 – 二項式分佈 (hessianfly.jmp)
資料來源： https://go.documentation.sas.com/?docsetId=statug&docsetTarget=statug_code_gmxex01.htm&docsetVersion=15.1&locale=en
響應為“y/n”，其形式為“事件/試驗“ 或者 ”成功次數/總嘗試次數」。 當指定回應變數 Y 時，我們需要先選擇“events”變量，在本例中為“y”，然後選擇“trials”變數。 因此，在“y”之後選擇“n”。 設定「進入」為固定效果，「阻止」為隨機效果。 選擇“二項式”分佈並使用預設的“Logit”連結函數。
經過6次迭代後，我們得到的結果如下：
上述範例的結果可以透過 SAS PROC GLIMMIX 和 %GLIMMIX 巨集進行驗證。 程式碼SAS_Example_macro_proc_verification.sas可根據要求提供。
範例 6 – 二進位分佈 (sal1_long.jmp)：
當資料由子集組成且您希望獨立建模每個群組/子集時，您可以在「By」欄位中指定群組/子集指示變數。
在此範例中，sal1_long.jmp 是 Salamander 資料的堆疊版本（最初來自 McCullagh 和 Nelder (1989)，第 14.5 節）。 這裡，回應變數“y1，y2，y3”被堆疊到變數“ystack”中。 變數“ycat”表示原始回應類別。
此處，指定「ystack」作為回應變量，指定「ycat」為 By 變數。 與範例2的設定類似，我們可以指定分佈、固定效應、隨機效應。
將為「按」欄位中指定的每個群組/子集執行 GLMM 程序。 最終報告如下。 列出每個群組/子集的結果 – 回應 y1_pseudo、回應 y2_pseudo 和回應 y3_pseudo。
範例 7 – RNA-seq 數據
由於基因組數據通常是高維度的，其中基因/SNP 的數量通常大於 10k，因此執行整合分析可能在計算上具有挑戰性。 為了將來使用此插件分析 RNA-seq 數據，我們測試了增加 By 欄位中指定的基因數量時的性能。 本節將作為壓力測試的一部分，因為By函數不是用多執行緒編寫的。
這裡使用的範例資料是在線上公開的，來自包（Hoffman & Roussos，2020）： https://bioconductor.org/packages/release/bioc/vignettes/variancePartition/inst/doc/dream.html
- varPartDEdata_count.jmp是原始計數矩陣
- varPartDEdata_metadata.jmp是 24 個樣本的元數據
- varPartDEdata_stack10.jmp是處理後的數據，其中前 10 個基因的基因表現以及其他元數據變數堆疊在一起。
- varPartDEdata_stack100.jmp是處理後的數據，其中堆疊了前 100 個基因的基因表現以及其他元數據變數。
從線上範例中，對於每個基因，我們可以將模型擬合為：
Y ~ 疾病亞型 + 性別 + (1|個人)
，其中「DiseaseSubtype」和「Sex」是固定效應，「Individual」是隨機效應。 這裡的反應變數 Y
將取決於分佈的選擇。 分佈的一種選擇是「泊松」分佈，在這種情況下，我們使用原始計數「表達式」作為反應變數。 對 RNA-seq 資料建模的另一種方法是先對計數進行對數轉換，並使用「logexprs」作為反應變量，同時指定「常態」分佈。
使用範例數據varPartDEdata_stack10.jmp ，我們可以分別得到十個基因中每一個的結果：
使用“logexprs”作為響應變量，分析>擬合模型>混合模型和我們的 GLMM 插件的結果是相同的。 當使用原始計數“表達式”作為回應並指定“泊松”分佈時，運行時間會更長。 如果達到最大迭代次數，則可能表示所選分佈或連結函數可能不太適合資料。
按變數中的子組（基因）數量
|
泊松運轉時間 (HH:MM:SS)
|
正常運作時間 (HH:MM:SS)
|
使用 log(count) 運行時間 (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
|
|
……
|
|
|
|
當按字段指定基因/亞組的數量時大於按組報告限制=10 ，例如使用varPartDEdata_stack100.jmp ，我們將不再顯示該報告。 相反，將提供“GLMM 結果”JMP 表以及火山圖。 「GLMM 結果」表包含部分 F 檢定結果 (DFDen_、F Ratio_、Prob > F_)、最小平方法均值 (LSMeans:) 以及部分參數估計值 (Estimate:, -log10(Prob) >|t|):) 。
透過將“logexprs”指定為 Y，並指定“常態”分佈，我們可以匯出下面的資料集。 （可作為GLMM 結果.jmp ）
預設火山圖是為指定的第一個固定效應產生的。 您可以切換列以查看火山圖以了解其他感興趣的變數。
（100 個基因，對數表達式）
（10000 個基因，logexprs）
（10000 個基因，表達，泊松）
參考
霍夫曼，通用電氣， ＆Roussos，P.（2020）。夢想：針對重複測量設計的強大差異表達分析。 BioRxiv，432567 。
沃爾芬格，R.， ＆奧康奈爾，M. （1993）。 廣義線性混合模型是一種偽似然方法。 統計計算與模擬雜誌，48（3-4），233-243。
該插件可讓您在 JMP 中運行廣義線性混合模型。
分析應用開發生命科學統計數據回覆：廣義線性混合模型插件@MeichenDong這是一個很棒的插件！
我有 17PRO，但它只允許二項式或泊松，所以你的插件填補了一個重要的空白。
我正在分析一個大型 RNA 資料集，6 個組織 x 2 個基因型 x 10k 個基因。 我使用帶有組織和條件的全階乘作為固定，主題作為隨機。 Gene 是 By 變數。
我的問題是在估計值和 -logPs 的輸出...對於我的組織變數（6 個值），我沒有得到順序中最後一個變數的估計值或 P 值，只有 LSMeans。 如果我移動順序並重新運行，我可以到達那裡......但我希望為每個交互輸出火山圖（tissueXgeno）。 也許我誤解了輸出？ 先致謝！
回覆：廣義線性混合模型插件@pwreg我正在複製@MeichenDong ，誰可以回答你的問題。當您使用@功能時，您選擇的人會收到電子郵件。
回覆：廣義線性混合模型插件你好@pwreg ， 謝謝你的問題！ 如果您可以存取 JMP17 Pro，您可以在「分析」>「擬合模型」下嘗試更完整的 GLMM 版本，然後選擇「個性」作為「廣義線性混合模型」。
對於插件，我想知道您使用的參數設定是什麼。 您是否嘗試過增加選項面板中的“最大迭代次數”？ 有時模型需要更多迭代才能收斂。 如果您還有其他問題，請告訴我！
回覆：廣義線性混合模型插件我利用聲學監測研究非洲中部的森林像生態和行為。 我感興趣的是觀察伐木活動對大像在夜間而不是白天發生叫聲的可能性的影響，因為其他研究表明夜間叫聲的增加反映了對人類幹擾（主要是偷獵）的反應。 這些數據是成功/試驗數據，是根據距離活動測井不同距離（= 小於幾公里）的 9 個不同地點的記錄確定的。
我想使用GLMM 插件，因為邊際均值的輸出（在這個簡單的分析中沒有隨機效應），但是作為預測變量的參數估計和顯著性與GLMM 和GLM 有很大不同，我感興趣的是為什麼這應該是。
以下是兩個人物的輸出截圖：
GLMM - 事件/試驗 - 二項式 - logit
適合度總結
R方 | 0.004847 |
R方調整 | 0.002292 |
根均方誤差 | 0.939466 |
響應平均值 | -0.0881 |
觀察結果（或權重總和） | 194.2821 |
變異數分析
來源 | DF | 平方和 | 均方根 | F比率 |
模型 | 2 | 3.34890 | 1.67445 | 1.8972 |
錯誤 | 第779章 | 687.54205 | 0.88260 | 機率 > F |
C。 全部的 | 第781章 | 690.89095 | | 0.1507 |
參數估計
學期 | 估計 | 標準誤差 | t 比率 | 機率>|t| |
截距 | 0.0484165 | 0.097423 | 0.50 | 0.6193 |
財政年度[1] | -0.084323 | 0.078483 | -1.07 | 0.2830 |
logexpos2[1是] | 0.1389546 | 0.091878 | 1.51 | 0.1308 |
-
GLM - 事件/試驗 - 二項式 - logit
全模型測試
模型 | -對數似然 | LR 卡方 | DF | 問題>卡方 |
不同之處 | 247.258921 | 494.5178 | 2 | <.0001* |
滿的 | 9444.02167 | | | |
減少 | 9691.28059 | | | |
擬合優度統計 | 卡方 | DF | 問題>卡方 |
皮爾遜 | 14001.87 | 第779章 | <.0001* |
偏差 | 18426.55 | 第779章 | <.0001* |
效果測試
來源 | DF | LR 卡方 | 問題>卡方 | |
財政年度 | 1 | 62.133979 | <.0001* | |
日誌曝光2 | 1 | 413.68264 | <.0001* | |
參數估計
學期 | 估計 | 標準誤差 | LR 卡方 | 問題>卡方 | 降低化學發光 | 上層CL |
截距 | 0.291917 | 0.0233196 | 162.24916 | <.0001* | 0.2463549 | 0.3377743 |
財政年度[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 |
-
感謝您的任何意見
回覆：廣義線性混合模型插件你好@winfriedkoch0 ,
我相信 GLMM 平台將在 JMP PRO 17 中提供。
回覆：廣義線性混合模型插件您在先前的回覆中提到，即將推出的 JMP 17 中將提供額外協方差結構的選項。 此訊息是否適用於 JMP 17 還是僅適用於 JMP 17 Pro？
回覆：廣義線性混合模型插件你好@坎多諾夫,
謝謝你的提問。 如果您有多個因變量，例如 {y1, y2, y3}，那麼不幸的是，在 Y 框中全部指定它們將不起作用。 對於此插件，目前將多個變數放入 Y 框中的唯一情況是我們的範例 5，它顯示了您使用第二個變數來指定 n 的二項式情況。
不過，我建議您嘗試一些解決方法。
首先，您可以堆疊資料（將 y1、y2、y3 堆疊到一個變數 y 中）並運行當前的加載項或具有“混合模型”特性的“擬合模型”，建立一個新變數來指示多元變數（例如，此變數的值可以是變數名稱“y1”、“y2”、“y3”，以表示y 值對應的變數）並將其與所有其他變數一起指定為固定效果，也可能與它。然後將「subject」指定為隨機效應——這將建立一個複合對稱 cov 結構，它不是完全多元的，而是對其的更簡單的近似。
第二，我如果資料是泊鬆或二項式，它也可以對其進行居中和縮放，並使用線性混合模型的常態近似。 請參閱「適合模特兒」與「混合模特兒」個性的範例。
如果您還有其他問題，請告訴我！ 隨時可以聯絡我Meichen.Dong@jmp.com 。
最好的，
美辰
回覆：廣義線性混合模型插件親愛的美辰，
感謝您提供這個出色的插件！
不過，我有一個問題。 可以使用此外掛執行多變數 GLMM 嗎？ 也許如果我在“Y”框中添加一些因變量，它就會起作用，不是嗎？
乾杯，
K/
回覆：廣義線性混合模型插件你好@MANCOVACchicken1 ，謝謝您的提問！
對於問題1，理想情況下，如果模型能夠很好地擬合數據，則可以在第30次迭代之前實現收斂（1e-8）。 但若第30次迭代後仍未收斂，則可增加迭代次數或放寬收斂標準（例如改為1e-7），看能否收斂。 在您的情況下，30 次迭代似乎還不夠，因此增加迭代次數是正確的方法。 我建議您可以將此數字增加到更大的值（例如 200），看看結果與設定為 100 時相比是否有所變化。 因為如果實現收斂，進一步增加迭代次數將會得到相同的結果。
對於問題 2，如果選擇 Gamma 分佈，則使用規範連結「倒數」或「逆」連結。 因此，如果要在原始資料尺度上導出LS平均值，就需要進行變換。 這表示您的期望值 E(Y_i) = mu_i 建模為： 1/(mu_i) = b0+b1*x_1i + ...
要匯出 mu_i，您需要取預測值的倒數：1/(b0+b1*x_1i + ... )。
如果您還有其他問題，請告訴我！ 您可以隨時透過 Meichen.Dong@jmp.com 聯繫我
最好的，
美辰
回覆：廣義線性混合模型插件美辰你好，
我剛開始使用 GLMM 插件。 我的問題是：
1. 是否存在可以為特定模型指定的「正確」最大迭代次數，或者它是一種反覆試驗的方法嗎？ 我嘗試使用預設最大數量 (30) 運行相同的模型，然後進行 100 次迭代，結果產生了截然不同的結果。 在 30 次迭代中，R2 接近零，且沒有一個變數具有顯著的 p 值（效果測試部分）；第 100 次迭代時 - 模型 R2 為 0.7，感興趣的解釋變數在 alpha 0.5 時顯著。
2. 當我選擇伽瑪分佈時，LS 平均值和所有估計值似乎都在某種轉換後的尺度上，而不是在原始資料尺度上。 我是否需要對 LS 平均值進行反向變換？我應該使用哪種變換？
謝謝你！
回覆：廣義線性混合模型插件你好@Avg雷龍,
這可能與參數“按組報告限制” – 例如，如果您的 BY 變數有20個級別如果您想查看所有模型詳細信息，可以將此值設為21 或以上。 此參數旨在避免輸出大量結果：比如說，當您有 10k 個等級時，您可能不想一一查看結果。
回覆：廣義線性混合模型插件嘿，Meichen，我已經嘗試過其中一個示例，並且我得到了
同樣的問題。 我點擊運行後，彈出的唯一兩個視窗是
包含所有 ANOVA 表值和 LSM 以及圖表的電子表格
建設者。 當我不包含“按”因素時，會彈出完整報告
自動地。
回覆：廣義線性混合模型插件你好@Avg雷龍，謝謝你的提問！ 您的意思是指定參數和變數後沒有顯示 GLMM 報告嗎？ 您能否成功運行我們提供的一些範例？ 您想分享更多細節嗎？ 請隨時將更多問題發送到我的電子郵件： Meichen.Dong@jmp.com ！
回覆：廣義線性混合模型插件美辰你好，
當我按子分組因素執行 GLMM 報告時，我無法找到該報告。 我獲得了圖形產生器和變異數分析表，但想要執行事後分析。 通常我會在自動建立的最終報告中執行這些報告，有沒有辦法讓我呼叫該報告？ 或者，以另一種方式進行事後分析？
謝謝！
回覆：廣義線性混合模型插件你好@寧214 ，我想知道你的變數名稱是什麼。 如果您能提供更多詳細資訊或給我發送一個玩具範例，那就太好了。 也請隨時將您的詳細資訊發送至 Meichen.Dong@jmp.com
回覆：廣義線性混合模型插件你好，
所有資料樣本都在我的 jmp pro 15 中順利運行。 然而，當我運行計數資料（泊松分佈）時，我遇到了以下情況：
希望得到您的幫助。
十分感謝。
回覆：廣義線性混合模型插件你好@smartxalex Alex，您提到您的結果變數是連續的，那麼您是如何在插件中指定參數的？ 具體來說，指定了什麼「分發」和「連結」？ 如果結果服從常態分佈，那麼您可以嘗試 JMP 中的 MIXED 模型。 請隨時給我發電子郵件以了解您問題的更多細節/玩具範例！ 我的電子郵件地址是： Meichen.Dong@jmp.com
最好的，
美辰
回覆：廣義線性混合模型插件晚安,
我希望有人能夠幫助我解決問題。我無法讓這個插件在我的一生中發揮作用。我可以讓它適用於上面提供的範例資料；然而，我有一些非常簡單的數據想要建模。我有一個連續因變數； 1 個連續自變數和 1 個二元變數。我想測試二元變數對連續因變數的影響，但我不斷收到一條錯誤訊息，指出：
「所有行都有被排除或遺失的資料。缺失資料最多的欄位是（二元變數）」；但是，沒有缺失資料。所有行均已輸入資料。
點擊“確定”後，我收到另一個錯誤訊息：
「在『Column』的存取或評估中找不到列，Column/*###*/(「Cond Pred Formula _pseudo」)」。
查看產生的表時，「_eta」和「_pseudo」都有空白值。
我目前使用的是 JMP 15。如果我能提供任何幫助，我將不勝感激，因為我想完全依賴 JMP 來進行輸出，而不必在不同的軟體之間來回切換來滿足我的需求。先感謝您！
此致，
亞歷克斯
回覆：廣義線性混合模型插件你好@MagaSganga ，我剛剛解決了你提到的問題，請嘗試更新的插件！ 感謝您的回饋意見！
回覆：廣義線性混合模型插件你好@smmarsh2 ， 感謝你的提問！ 目前在此插件中，我們不提供協方差矩陣的選項。 不過，我們將在 JMP 17（新版本）中擁有新的 JMP GLMM 平台。 新平台最初只是 G 側協方差矩陣，在 JMP 中意味著方差分量和隨機係數模型（帶有協方差）。 用於重複測量和/或空間資料的 R 側協方差結構已列入未來版本的計畫中。
請讓我知道，如果你有任何問題。
最好的，
美辰
回覆：廣義線性混合模型插件我開始學習 GLIMMIX。 然而，我的導師在 SAS（而不是 JMP）中經常使用它。 他對該插件的評論是：
在查看他們的範例時，他們始終使用變異數分量作為協方差矩陣。 對我來說，這個矩陣從未給過最低的 AICC。 希望有一種方法可以改變所使用的矩陣。
協方差矩陣還有其他選擇嗎？
謝謝你！
史蒂芬妮
回覆：廣義線性混合模型插件你好@MagaSganga ,
您是否嘗試過我們的範例數據，看看它是否適用於您目前 JMP 版本的電腦？
我建議嘗試的一件事是將“By”變數設定為字元和名義建模類型。 如果您在執行此程式時仍然遇到問題，請隨時向我們發送更多詳細資訊或玩具範例資料。
回覆：廣義線性混合模型插件你好@MeichenDong 。 我正在使用您的加載項，但 By 有問題。 我無法讓它發揮作用。 當我選擇一列並將其放入“By”時，它會拋出此錯誤：
Glimmix 13 個參數（反應、固定效果、隨機效果、分佈、連結、maxiter = 50、收斂= 0.00000001、偏移= 0、cf = 0.5、權重= 1、指數= 1、數字= 0.00001、ynom_reference）分別為10 argumentos（「PL MIN」、「Posicion unificada」、「ID、Contrario」、「Poisson」、「」、30、0.00000001、「」、0.5、「」）。
al acceder o evaluar 'Function' , Function(
{響應，固定效果，隨機效果，分佈，鏈接，maxiter = 50，
收斂 = 0.00000001，偏移 = 0，cf = 0.5，權重 = 1，指數 = 1，數量 =
0.00001, ynom_reference},
{iter, rmse, prev, curr, err, dt},
dt = 當前資料表();
正文繼續。 我放入 By 的 Cat 欄位是數字和序數。 當我將其留空時，該程式可以運行。
我 5 天前下載並安裝了這個插件，所以我認為我擁有的是最新版本。
謝謝。
回覆：廣義線性混合模型插件你好@YAMAg ，謝謝提問！ 我想知道您是否嘗試過下載範例資料並查看插件是否有效？您能否檢查變數的建模類型是否設定正確？ 如果上述步驟沒有幫助，請隨時將您的玩具範例/詳細問題透過電子郵件發送至Meichen.Dong@jmp.com 。
最好的，
美辰
回覆：廣義線性混合模型插件你好，這正是我一直在尋找的東西，而且看起來很有用。
我想問你一個問題，因為我不確定如何進行分析。
我想做一個 GLMM 來搜尋與二元變數結果相關的因素。 在這樣做時，我的資料嵌套在個人中，因為它是從同一主題多次收集的。
我將結果（二元變數、名稱）添加到 Y，將探索性因素添加到固定效應，並將 ID（用於識別主題）添加到隨機效應；我沒有在「重量」、「偏移」或「依據」上添加任何內容。 但是，我無法很好地分析它，因為我收到了 Columm/*##*/(*Cond Pred Fomula_pseudo*) 的錯誤訊息。 我希望你能給我一些好的建議。
回覆：廣義線性混合模型插件你好@juaccco123 ， 我的電子郵件地址是Meichen.Dong@jmp.com 。 請隨時發送詳細問題或玩具資料集！
-美辰
回覆：廣義線性混合模型插件你好，Meichen，感謝您的快速回覆。
我正在使用 JMP 15，我在 PC 上嘗試了您的建議（將變數放在模型變數之前），但仍然無法運作。
我如何與您分享我的資料集？
回覆：廣義線性混合模型插件你好@juaccco123 ，在單擊交叉之前，您是否嘗試選擇所有感興趣的變數？ 這對我有用。 您使用的是 mac 還是 windows 機器？ 您使用的 JMP 版本是？
如果您有任何玩具資料集，我也可以仔細看看。
-美辰
回覆：廣義線性混合模型插件我剛剛下載了插件，我正在嘗試交叉變數以獲得固定和隨機效果。 但是，當我選擇變數並單擊“交叉”時，沒有任何反應。
你可以幫幫我嗎？
謝謝
回覆：廣義線性混合模型插件你好@Sandeep123 ，我剛剛更新了插件，請參閱新添加的“範例2.1”部分。 這應該允許您使用標稱結果，而無需手動將結果重新編碼為數字格式。 如果您有疑問，請告訴我！ 感謝您的回饋意見！
回覆：廣義線性混合模型插件你好@Sandeep123 ， 這是一個很好的問題！ 對於目前版本，我們可以對結果變數進行“重新編碼”，並進行分析（見下圖）。 我們將更新插件以盡快實現名義結果。
回覆：廣義線性混合模型插件我對名目結果變數感興趣（死亡率是/否）。 我有來自多個站點的數據。 希望將站點作為隨機變數包含在模型中
jmp 不允許隨機效應，所以我正在尋找選項
回覆：廣義線性混合模型插件你好@Sandeep123 、範例 2 和範例 6 針對二進位 y 變數。 預設連結函數是logit。 這是您正在尋找的東西嗎？
回覆：廣義線性混合模型插件有沒有辦法對分類 y 變數運行這個（邏輯迴歸）
回覆：廣義線性混合模型插件嗨，我_yampolsky，
您可能使用的是版本 10。 是的，15 年內肯定有效。
謝謝！
回覆：廣義線性混合模型插件這可能是特定於版本的嗎？ 我還在Ver. 10，但我可以在其他地方訪問 14 或 15，它可以在 14 或 15 上使用嗎？
回覆：廣義線性混合模型插件這太棒了，正是我所尋找的，特別是嵌套效果的解決方法。
但我在運行它時遇到了麻煩。 必要的選項「分發」和「連結」呈現灰色顯示，無法按一下進行選擇。
我究竟做錯了什麼？
謝謝！
回覆：廣義線性混合模型插件你好@CraigSargent ，當 Year 是一個隨機效應並且 Trial 嵌套在 Year 中時，我們也可以做類似的事情。 您可以嘗試測試以下兩個模型：
模型 1：Y = 固定效果 + 年 + 試用[年]
模型 2：Y = 固定效果 + 年份 + 新變量
其中「new_variable」是每年和試用的唯一 ID。
例如，如果年份 = 2018 年、2019 年，且每年的試用等級 = A、B、C、D。因此資料可能如下所示：
年試用 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 應該會給出相同的結果。 因此，透過使用模型 2，我們不再需要指定「嵌套」效果。
如果以上還不夠清楚，請告訴我，我很樂意提供更多範例。
-美辰
回覆：廣義線性混合模型插件感謝您澄清如何取得加載項。
也感謝嵌套效果的解決方法。
我使用嵌套效應的地方是在裂區等設計中，或是涉及幾年內和幾年間實驗試驗的長期設計中；例如，年份是隨機效應，而嵌套在年份中的試驗是隨機效應。
回覆：廣義線性混合模型插件你好@CraigSargent ，在該網頁的最頂部，您可以看到我們的來源檔案。 將檔案“廣義線性混合模型.jmpaddin”儲存到本機磁碟機/資料夾（例如桌面）。 然後從虛擬機器 JMP 中選擇 > 檔案 > 開啟 > 桌面 > 廣義線性混合模型.jmpaddin。
對於嵌套效應問題， @sbrlsi實際上建議避免使用它很簡單。 我們只需要在嵌套變數的每個層級中建立一個具有唯一 id 的欄位。
讓我們來看一個簡單的例子： https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/two-factor-nested-random-effects-model.shtml 。
您可以透過選擇幫助 > 樣本資料 > 測量系統 > 2 Factors Nested.jmp 來存取「2 Factors Nested.jmp」範例資料。 數據如下：
您可以看到“Part”嵌套在“Operator”中，並且“Part”在“Operator”的每個層級中都有唯一的ID。
您可以使用 Part[operator] 或 Part 來擬合如下所示的兩個模型，結果將是相同的。
如果您對此有疑問，請告訴我！
回覆：廣義線性混合模型插件謝謝。 在哪裡可以找到加載項檔案並將其保存到本機磁碟機？
關於嵌套效果，我希望您盡快添加該功能。 我的研究中的大多數實驗設計都涉及嵌套效應。 為此，我將繼續在 SAS 中使用 GLIMMIX，直到您將合適的嵌套效果新增至 JMP 外掛程式。
感謝您在 JMP 中解決 GLMM。 這是我多年來一直要求的。
回覆：廣義線性混合模型插件你好@CraigSargent ,
對於你的第一個問題，當你在虛擬實驗室/Den上使用JMP時，只要你先將插件檔案儲存到本機磁碟機，你應該也能夠虛擬安裝它！ 我剛剛使用學校的虛擬實驗室進行了嘗試，效果很好。 因此，如果您或您的學生遇到任何問題，請告訴我！
對於第二個問題，我們目前的插件版本還不允許擬合巢狀效果。 我們稍後可能會添加該功能！
回覆：廣義線性混合模型插件固定或隨機效應可以嵌套嗎？ 從影片中顯示的介面的構造模型部分來看，這一點尚不清楚。
回覆：廣義線性混合模型插件當您說我們必須安裝此插件時，它是如何工作的？ 我的大學擁有 JMP 的網站許可證，我們可以將副本下載到我們的主電腦上，或者透過 Citrix 環境在我們所謂的 Virtual Den 中使用它。 當我的學生在課堂上透過筆記型電腦使用 JMP 時，他們主要在虛擬書房中使用它。 在這種情況下，我們是否需要網路管理員來新增該加載項？ 謝謝。
回覆：廣義線性混合模型插件嗨美辰
非常感謝。 效果很好！ 希望這不需要太多額外的工作來解決。
彼得
回覆：廣義線性混合模型插件你好@PDunn ，我在這裡更新了加載項文件。 您可以重新下載並立即嘗試嗎？ 我認為這個修復應該可以解決問題。 如果您還有其他問題，請告訴我！ -美辰
回覆：廣義線性混合模型插件嗨彼得@PDunn ，是的，火山圖是一個很好的摘要圖，並且 MixedModel 不會直接產生它。 如果這個問題解決就會更新！ JMP Genomics 有一個很好的 RNA-seq 分析工作流程，如果有興趣，您可以檢查一下。 -美辰
回覆：廣義線性混合模型插件你好
感謝您再次回覆我。 是的，我嘗試重新安裝它，但仍然出現相同的錯誤。 我還在 Mac 上的 JMP 14 上嘗試過。 我之前用的是Win10。 還是同樣的問題。 但經過更多思考並查看輸出（線上文件 GLMM result.jmp）後，我想我仍然可以在沒有“By”選項的情況下使用它。 為了一次調查大量基因，我實際上想要每個基因的顯著性結果，這是我用「by」命令無法得到的。 另一方面，您可能需要“by”命令來獲取火山圖。 至少對於常態分佈的回應變量，我可以繼續使用 MixedModel。 不過，如果能運行這個就太好了。 我想知道他們是否在 JMP Genomics 軟體包中運行此功能（我從未看過它）。
再次感謝您的幫助，祝您暑假愉快。 彼得
回覆：廣義線性混合模型插件嗨彼得@PDunn ，感謝您的嘗試！ （你有沒有嘗試不“註銷”它並直接重新安裝它？）肯定有一些東西需要修復！ “By”函數是最近新增的，可能需要更多偵錯。 我在編寫外掛時使用 JMP 15.2，但我認為版本並不重要。 這實際上是我的暑期實習項目，我可能需要一段時間才能修復錯誤並更新它，因為現在我對 JMP 的訪問權限有限。 一旦找到解決方案，我會及時通知您！
回覆：廣義線性混合模型插件你好
謝謝你回到我身旁。 我只是“取消註冊”了該加載項，然後重新安裝了它。 然後我再次嘗試在“varPartDEdata_stack10”檔案上新增。 即使我將“by”變數重新命名為 Gene1（最初是 Gene）或將其複製到新列並重新命名後，該插件也不起作用。 我也嘗試重新啟動程式（JMP 16EA），但問題仍然存在。
所以我不確定可能出了什麼問題。 錯誤顯示：名稱未解析：在存取或評估“Gene1”時，Gene1 位於 row1，Gene1/*###*/
如果我省略「by」變數（Gene1），它仍然會運行，但了解哪些基因在這裡很重要顯然很有價值。
謝謝，彼得
回覆：廣義線性混合模型插件你好@PDunn ，我看到你的問題，是的，有時確實發生在我身上，我正在努力解決它。 在目前版本中，您可以嘗試重新安裝插件並查看 RNA-seq 範例是否有效？ 重新命名資料表中的“by”變數有時也有效。
回覆：廣義線性混合模型插件你好
是的，這看起來非常有用。我嘗試了船舶範例並且它有效，但最後一個帶有 RNA-seq 數據的範例給了我一個神秘的錯誤，並且它也給我帶來了與我自己的 RNA-seq 數據有些類似的錯誤。對於 varPartDEdata_stack10.jmp 資料集，我遵循 Y=logexprs、By = Gene、常態分佈、性別和疾病子類型的固定效應以及個體的隨機效應的指示（和 YouTube 影片）。我點擊“運行”，出現錯誤：“名稱未解析：基因位於“基因”的訪問或評估中的第 1 行，Gene/*###*/。
有什麼建議麼？
謝謝，彼得
回覆：廣義線性混合模型插件該插件對於 JMP 用戶來說具有很大的價值。
回覆：廣義線性混合模型插件你好@希茲，請隨時聯絡我們support@jmp.com我可以嘗試幫助您解決發生的問題（請提及您已聯繫此處並分享社區帖子的連結）。 雖然我們（JMP）沒有對魯棒性（針對不同的資料結構）做出任何聲明，也不能做出任何維護或更新所使用的程式碼的承諾（因為這是一個插件），但我仍然同意它非常有用！
請注意，在JMP 18 Pro（預計發布日期為2024 年第一季）中，我們將支援GLMM 中的常態、指數、對數常態、Beta 和負二項式（除了17 Pro 目前支援的二項式和泊松）。
乾杯@派崔克朱利亞諾（JMP 技術支援）
