mixed-models相关内容
我在R的Mumin包中运行了一个线性混合效果模型的挖掘机,这个模型很大(见下文) > Monster + percentage_woody_coverage + (percentage_wo
..
我正在尝试在Python语言中实现混合效果逻辑回归。作为比较,我在R中使用lme4包中的glmer函数。 我发现statsmodels模块有一个BinomialBayesMixedGLM应该能够适应这样的模型。但是,我遇到了一些问题: 我发现statsmodels函数的文档不完全有帮助或不清楚,因此我不完全确定如何正确使用该函数。 到目前为止,我的尝试还没有产生与我在R中使用glme
..
我有六个固定因素:F,以及一个随机因素R。我想使用语言R测试线性项、纯二次项和双向交互。因此,我构建了完全线性混合模型,并尝试使用drop1: 测试其项 full.model
..
我正在尝试创建一个线性混合模型 (lmm),它允许点之间的空间相关性(每个点都有纬度/经度).我希望空间相关性基于点之间的大圆距离. ramps 包包含一个计算“haversine"距离的相关结构——尽管我在实现它时遇到了麻烦.我以前使用过其他相关结构(corGaus、corExp)并且没有任何困难.我假设可以以相同的方式实现带有“haversine"度量的 corRGaus. 我能够
..
我正在使用混合模型进行重复测量方差分析.我想运行一个事后测试来查看交互 TREAT*TIME 的 p 值,但我只设法使用了以下 ghlt Tukey 测试,它没有给我我正在寻找的交互. 库(multicomp)图书馆(nlme)oi 我要找的是这样的: summary(glht(oi, linfct=mcp(TIME="Tukey",TREAT="Tukey",TREAT*TIME="Tuk
..
在以下示例中,我想将每个模型的残差图写入文件.我不需要在我的显示器中看到它们. for (i in 1:500){temp.model
..
我在 python 中使用带有 statsmodel 的混合效应模型,但找不到按组级别绘制结果的方法.我的目标是达到这种情节: 这是 可能在 R. 作为参考,在我的数据帧 df 中,我有三列 = metric、experiment_name、country. 这是我正在使用的代码 import statsmodels.api as sm将 statsmodels.formula
..
使用“fREML"和“REML"方法将相同的模型与 bam 拟合给了我接近的结果,但是解释的偏差与 summary.gam 返回的不同. “fREML"的数量是~3.5%(不好),而“REML"的数量是~50%(不是那么糟糕).怎么可能?哪一个是正确的? 很遗憾,我无法提供一个简单的可重现示例. #######################################方法=“f
..
我不确定这是否可行,但我想知道您是否可以从 plot(allEffects(model)) 输出中删除一些不那么有趣的图.我认为这可以通过编辑 R 用于制作图形数组的一些背景机制来实现.我已经使用多线将图的数量从 20 个减少了,但我只对剩余的 10 个图中的 2 个感兴趣,因为它最准确地代表了我的模型(广义线性混合模型)的交互效应之一. 示例代码: glmer1 当我查看所有效果函数
..
在我的实验中,我修剪了植物并测量了它们的反应,例如在季节结束时产生的叶子质量.我操纵了剪裁强度和剪裁时间,并交叉了这两种处理方式.我还包括一个控制剪裁处理,导致 5 种不同的剪裁处理组合.每次处理 12 株植物,我在两年内跟踪了总共 60 株植物.也就是说,我在第 1 年收集了这 60 株植物的测量值,并在第 2 年再次收集了相同的植物. 最简单的方法是分别分析 5 种不同的处理方法.然而,
..
我正在使用以下命令在 R 中使用 glmmLasso 拟合混合模型: glmmLasso(fix = Activity ~ Novelty + Valence + ROI + Novelty:Valence +新颖性:投资回报率 + 价态:投资回报率 + 新颖性:价态:投资回报率,rnd = 列表(主题 = ~1),数据 = KNov,lambda = 195,switch.NR = F,fin
..
这篇文章的数据在这里和R脚本和数据可用 效果图 1效果图2(抱歉提供情节链接,我没有足够的声誉来发布实际情节) 从效果图中可以看出,两种模型中交互作用fseason*fRHDV2_arrive_cat的影响非常相似,这并不奇怪.然后我将这两个模型平均如下: mod_ave_list_1
..
我有一个宽格式数据,我正在调用 mlogit.data 我尝试使用 mlogit 包实现一个混合 logit 模型,我有一个热编码的分类列 (color,size_group) 是导致以下错误? model_data 中的数值特征是 log1p 转换的. Complete.choice
..
关于自相关,如果必须将时间序列作为因子提供给 ar1(),glmmTMB 如何判断时间步长相距多远? 在 glmmTMB 中,ar1 要求时间步长均匀分布并编码为一个因子(请参阅此 vignette).给定一个数字时间序列 time.steps,将其重新编码为 as.factor(time.steps) 是否足以让模型正确运行?如果必须提供时间序列作为一个因素,glmmTMB 如何判断时间间
..
我正在研究每个学区的教育支出对这些学区服务超过 15 年的城镇内犯罪率的影响.(DV 有 1,676,191 次对这 15 年城市/城镇犯罪数据的观察. 从技术上讲,城市与学区是交叉的,一个城市可能有多个学区.这意味着一个城市的每个学生的支出可能有多个值.但是,学区与县重叠. 城市嵌套在县内,但鉴于每个城市/城镇都有不同的 PLACE_ID,我的理解是这可以表示为 (1|PLACE_I
..
我正在尝试对使用 lmer 获得的混合效应模型进行简单的斜率分析. 模型类似如下: data(Orthodont,package="nlme")mod
..
我正在使用 lme4 包来运行混合模型.我想在单独的数据集中提取固定效应结果和随机效应结果,以便我们可以将其用于进一步分析.但不幸的是我不能. 例如 mixed_result 我尝试使用以下方法提取固定效应和随机效应: fixEffect 我分别针对固定效应和随机效应尝试了 fixef 和 ranef,并尝试使用它的结果创建数据集.但它给了我以下错误: 视图中的错误:无法将“r
..
我正在 R 中运行一个混合模型.但是我在理解我应该为我拥有的数据运行的模型类型时遇到了一些困难. 在计算机化实验中,我们将因变量称为早期按钮按下次数.一个实验由多次试验组成.在每次试验中,参与者必须按下一个按钮才能对出现在屏幕上的目标做出反应.然而,他们可能会过早按下按钮,这就是被衡量的结果变量.因此,例如,参与者 A 在跨试验的实验中可能总共有 3 次早期按钮按下,而参与者 B 可能有 1
..
我正在尝试使用适合 glmmTMB 包的 GLMM 在总体级别(即将随机效应设置为 0)预测 R 中的栅格堆栈.我在 中遵循了 Ben Bolker 的解决方案这个线程适用于符合 lme4 的模型,但即使函数参数 re.form=~0 似乎适用于 predict.glmmTMB 除了 predict.merMod 之外,当我使用 glmmTMB 模型进行预测时,它对我不起作用.以下是使用 Robe
..
我一直在使用 Python 完成令人惊叹的混合模型教程统计模型库. 我已经指定了一个模型: md = smf.mixedlm("Y~ X", df, groups=df["random"])mdf = md.fit() 但现在我想添加第二个随机变量.我认为这将非常简单,只需将 list 传递到我的数据框 df 中: md = smf.mixedlm("Y~ X", df, groups
..