混合モデル >> カテゴリデータ >> 変量効果機能カテゴリデータ (バイナリ) を操作するときに混合モデル プラットフォームで要求される機能は、変量効果を適合できることです。
さらに詳しい情報はこちらからカテゴリ > マルチレベル データ > PROC GLIMMIX :
Being requested for multi-level data (Sequential monadic, diary studies, deprivation). Includes random effects for categorical and binary. Currently in SAS.
統計と分析Re: 混合モデル >> カテゴリデータ >> ランダム効果機能 - ステータスが次のように変更されました: はい、ご期待ください!@ピーター・ハーシュJMP Pro 17.0 では、二項およびポアソン応答分布の GLMM を適合できる新しい一般化線形混合モデル パーソナリティがフィット モデルで利用可能になります。JMP 17 Early Adopter Program のメンバーであれば、今すぐこれを試してテストできます。
Re: 混合モデル >> カテゴリデータ >> 変量効果機能@SamGardner GLMM が JMP 17 でオーバーホールされたことは知っていますが、これは可能ですか?
Re: 混合モデル >> カテゴリデータ >> 変量効果機能GLMM を追加するのはかなり難しいでしょう。ただし、一般化推定方程式ははるかに単純で、推論 (テストと間隔) が被験者の相関関係内で堅牢であるという点で同じ目標を達成します。 主な違いは、GEE による推論が被験者レベルではなく母集団レベルであることです (変量効果はありません)。しかし、2017 年 10 月のミーティングによると、あなたが求めているのは母集団レベルの推論であるように聞こえます。 GEE を GenReg にオプションとして追加する方法について説明します。Re: 混合モデル >> カテゴリカル データ >> 変量効果機能 - ステータスが「投票受付中」に変更されましたRe: 混合モデル>>カテゴリデータ>>ランダム効果機能これは、カテゴリ > マルチレベル データ > PROC GLIMMIX 。
Re: 混合モデル >> カテゴリデータ >> 変量効果機能<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />ジェフ-
はい、その通りです。 ありがとう-
スコット
Re: 混合モデル >> カテゴリデータ >> 変量効果機能リース.sj 、
明確にするために、混合モデル パーソナリティを使用する場合、モデルの適合でカテゴリカル応答をサポートしたいと考えています。 あれは正しいですか？
-ジェフ
