こんにちは、
固定効果として株、濃度、それらの相互作用、実験日（ランダムと見なすには日数が不足しています）、ランダム効果として96ウェルプレート内でネストされた反復と日内でネストされたプレートを用いて、LMMを当てはめました。標準最小二乗法を用いてLMMを実行し、ランダム効果に「ランダム」属性を付与しました。R^2が0.99と、疑わしいほど高い値に見えます。モデルの過剰適合ではないかと考えましたが、観測値は十分にあると思います。これは正常でしょうか？
こんにちはブリップ555555
いくつか考えがあります。まず、モデルレポート上部のLogWorthプロットでは有意ではないように見えるため、モデルにDayが必要かどうかを確認してください。もう一つの考えは、検証セットを適用してモデルの精度をテストし、効果を判断することです。スチューデント化残差を見て、外れ値がないか確認しましたか？
ありがとう、
ベン
親愛なるベンへ
ありがとうございます。スチューデント化残差を確認したところ、外れ値は正常範囲のようです。これは、異なる抗生物質濃度が複数の反復実験の蛍光レベルに与える影響を試験しているためです。したがって、特定の濃度ですべての反復実験が同等の性能を示すわけではないことは、生物学的に当然のことです。モデルから日を除外しましたが、高いR^2は依然として残っています。観測値が約900件あるので、モデルの過剰適合は除外できるのでしょうか？
ありがとう！
まず、私はあなたの特定の状況に関するSMEではありません。どのような応答をモデル化しているのか分かりません。報告された分析出力の背景情報が全く分かりません。パラメータ推定値は妥当でしょうか？報告されている統計情報はすべて、入力したモデルとデータの取得方法に依存しています。これらのいずれかが変化すれば、統計情報も変化する可能性があります。
モデルの妥当性を評価する際には、考慮すべき統計量がいくつかあります（R2はそのうちの1つです）。例えば、以下のようなものを評価できます。
1. R平方 - 過剰適合を評価するために調整されたR平方。デルタが小さいほど、モデル内の重要でない項の可能性が低くなります。
2. 調整済みR2乗はR2乗よりも優れており、大きいほど良い
3. RMSE（モデルの標準偏差）。小さいほど良いです。これは応答変数の単位なので、33は妥当でしょうか？
4. p値（MSEの構成要素を理解している場合に最も役立ちます）。有意性は条件付きステートメントです。
5. 残差（あらゆる種類のプロット）。外れ値、多重共線性、仮定違反（独立性、ランダム性、平均0、一定分散）を評価できます。
「 96ウェルプレート内でレプリケートをネストし、日内でプレートをネストする」とありますが、モデル内にネストされた項（例：plate[Day]、Replicate[Plate]）は見当たりません。
