Perguntas com a marcação «mixed-model»

11
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1,...

r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa
11
Modelo de interceptação aleatória vs. GEE

Considere um modelo linear de interceptação aleatória. Isso é equivalente à regressão linear GEE com uma matriz de correlação de trabalho intercambiável. Suponhamos que os preditores são e X 3 e os coeficientes para estes são preditores β 1 , β 2 , e β 3 . Qual é a interpretação dos coeficientes no...

mixed-model
10
Como devo modelar interações entre variáveis ​​explicativas quando uma delas pode ter termos quadráticos e cúbicos?

Espero sinceramente que tenha formulado esta pergunta de forma que ela possa ser respondida definitivamente - caso contrário, informe-me e tentarei novamente! Eu também acho que devo usar R para essas análises. Eu tenho várias medidas plant performance (Ys)que eu suspeito que foram influenciadas...

hypothesis-testing mixed-model interaction nonlinear regression-strategies
10
Matrizes de modelo para modelos de efeitos mistos

Na lmerfunção dentro lme4de Rhá uma chamada para a construção de uma matriz modelo de efeitos aleatórios, ZZZ , como explicado aqui , páginas 7 - 9. O cálculo de ZZZ envolve produtos KhatriRao e / ou Kronecker de duas matrizes, JEuJEuJ_i e XEuXEuX_i . A matriz de JEuJEuJ_i é um bocado: "matriz...

r mixed-model lme4-nlme matrix
10
Por que Anova () e drop1 () forneceram respostas diferentes para os GLMMs?

Eu tenho um GLMM do formulário: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), obtenho resultados diferentes dos que utilizo Anova(model, type="III")na embalagem do carro ou summary(model). Estes dois...

r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion
10
Ideia de modelo misto e método bayesiano

No modelo misto, assumimos que os efeitos aleatórios (parâmetros) são variáveis ​​aleatórias que seguem distribuições normais. Parece muito semelhante ao método bayesiano, no qual todos os parâmetros são assumidos como aleatórios. Então, o modelo de efeito aleatório é um caso especial do método...

bayesian mixed-model