আমি আর এর সাথে আরও পরিচিত একজন ব্যবহারকারী এবং প্রায় চার বছরের আবাসস্থল ভেরিয়েবলের জন্য প্রায় 35 জন ব্যক্তির জন্য এলোমেলো slালু (নির্বাচন সহগ) অনুমান করার চেষ্টা করছি। প্রতিক্রিয়ার পরিবর্তনশীল হ'ল কোনও অবস্থান "ব্যবহৃত" (1) বা "উপলব্ধ" (0) আবাস (নীচে "ব্যবহার") ছিল কিনা।
আমি একটি উইন্ডোজ -৪-বিট কম্পিউটার ব্যবহার করছি।
আর সংস্করণ ৩.১.০-তে, আমি নীচে ডেটা এবং এক্সপ্রেশন ব্যবহার করি। পিএস, টিএইচ, আরএস এবং এইচডাব্লু হ'ল স্থির প্রতিক্রিয়া (মানসম্পন্ন, আবাসস্থলের ধরণের পরিমাপের দূরত্ব)। lme4 ভি 1.1-7।
str(dat)
'data.frame': 359756 obs. of 7 variables:
$ use : num 1 1 1 1 1 1 1 1 1 1 ...
$ Year : Factor w/ 5 levels "1","2","3","4",..: 4 4 4 4 4 4 4 4 3 4 ...
$ ID : num 306 306 306 306 306 306 306 306 162 306 ...
$ PS: num -0.32 -0.317 -0.317 -0.318 -0.317 ...
$ TH: num -0.211 -0.211 -0.211 -0.213 -0.22 ...
$ RS: num -0.337 -0.337 -0.337 -0.337 -0.337 ...
$ HW: num -0.0258 -0.19 -0.19 -0.19 -0.4561 ...
glmer(use ~ PS + TH + RS + HW +
(1 + PS + TH + RS + HW |ID/Year),
family = binomial, data = dat, control=glmerControl(optimizer="bobyqa"))
গ্লোমার আমার কাছে স্থির প্রভাবগুলির জন্য প্যারামিটারের অনুমান দেয় যা আমার কাছে বোধগম্য হয় এবং এলোমেলো slালু (যা আমি প্রতিটি আবাসের ধরণের নির্বাচনের সহগ হিসাবে ব্যাখ্যা করি) যখন আমি গুণের সাথে ডেটা তদন্ত করি তখনও তা বোধগম্য হয়। মডেলটির লগ-সম্ভাবনা -3050.8।
তবে, প্রাণী বাস্তুশাস্ত্রে বেশিরভাগ গবেষণা আর ব্যবহার করে না কারণ পশুর অবস্থানের ডেটা সহ, স্থানিক স্বতঃসংশোধন স্ট্যান্ডার্ড ত্রুটিগুলি টাইপ আই ত্রুটি প্রবণ করতে পারে। আর মডেল-ভিত্তিক স্ট্যান্ডার্ড ত্রুটিগুলি ব্যবহার করার সময়, অভিজ্ঞতামূলক (এছাড়াও হুবার-সাদা বা স্যান্ডউইচ) স্ট্যান্ডার্ড ত্রুটিগুলি পছন্দ করা হয়।
যদিও বর্তমানে আর এই বিকল্পটি দিচ্ছে না (আমার জ্ঞানের কাছে - দয়া করে, আমি ভুল হলে আমাকে সংশোধন করুন), এসএএস করে - যদিও আমার এসএএসের অ্যাক্সেস নেই, তবে একজন সহকর্মী আমাকে স্ট্যান্ডার্ড ত্রুটিগুলি নির্ধারণ করার জন্য তার কম্পিউটার ধার নিতে দিতে সম্মত হন অভিজ্ঞতামূলক পদ্ধতি ব্যবহার করা হয় যখন উল্লেখযোগ্যভাবে পরিবর্তন।
প্রথমত, আমরা সুনিশ্চিত করেছিলাম যে মডেল-ভিত্তিক মানক ত্রুটিগুলি ব্যবহার করার সময়, এসএএস আর-তে অনুরূপ অনুমান তৈরি করবে - এটি নিশ্চিত হওয়ার জন্য যে উভয় প্রোগ্রামে একইভাবে মডেলটি নির্দিষ্ট করা হয়েছে। তারা ঠিক একই - ঠিক একই রকম কিনা তা আমি খেয়াল করি না। আমি চেষ্টা করেছি (এসএএস ভি 9.2):
proc glimmix data=dat method=laplace;
class year id;
model use = PS TH RS HW / dist=bin solution ddfm=betwithin;
random intercept PS TH RS HW / subject = year(id) solution type=UN;
run;title;
আমি লাইন যুক্ত করার মতো আরও বিভিন্ন রূপও চেষ্টা করেছিলাম
random intercept / subject = year(id) solution type=UN;
random intercept PS TH RS HW / subject = id solution type=UN;
আমি উল্লেখ না করে চেষ্টা করেছি
solution type = UN,
বা মন্তব্য করা
ddfm=betwithin;
আমরা মডেলটি কীভাবে নির্দিষ্ট করব (এবং আমরা অনেক উপায়ে চেষ্টা করেছি), এসএএস-এ এলোমেলোভাবে outputালুগুলি আর থেকে আউটপুট অনুরূপ দেখতে পাব না - যদিও স্থির প্রতিক্রিয়াগুলি যথেষ্ট সাদৃশ্যযুক্ত। এবং যখন আমি আলাদা বোঝাতে চাইছি তখন আমি বোঝাতে চাইছি যে চিহ্নগুলিও একই রকম নয়। এসএএস -2-এর লগ সম্ভাবনা 71344.94 ছিল।
আমি আমার সম্পূর্ণ ডেটাসেট আপলোড করতে পারি না; সুতরাং আমি তিন জন ব্যক্তির কেবল রেকর্ড সহ একটি খেলনা ডেটাসেট তৈরি করেছি। এসএএস আমাকে কয়েক মিনিটের মধ্যে আউটপুট দেয়; আর এটি এক ঘন্টা সময় লাগে। রহস্যময়। এই খেলনা ডেটাসেটের সাহায্যে আমি এখন স্থির প্রভাবগুলির জন্য আলাদা আলাদা অনুমান পেয়ে যাচ্ছি।
আমার প্রশ্ন: কেন এলোমেলো slালু অনুমানগুলি আর আর এসএএসের মধ্যে এত আলাদা হতে পারে সে সম্পর্কে কেউ আলোকপাত করতে পারেন? আমার কোডটি সংশোধন করার জন্য আর, বা এসএএস-এ আমি করতে পারি এমন কিছু আছে যাতে কলগুলি একই রকম ফলাফল দেয়? আমি বরং এসএএস-তে কোড পরিবর্তন করব, যেহেতু আমার আর অনুমানটি আরও "বিশ্বাস করি"।
আমি এই পার্থক্যগুলির সাথে সত্যই উদ্বিগ্ন এবং এই সমস্যার তলদেশে যেতে চাই!
একটি খেলনা ডেটাসেট থেকে আমার আউটপুট যা আর এবং এসএএস-এর জন্য সম্পূর্ণ ডেটাসেটে 35 জন ব্যক্তির মধ্যে কেবল তিনটি জেপেইজ হিসাবে অন্তর্ভুক্ত রয়েছে।
সম্পাদনা এবং আপডেট:
যেহেতু @ জ্যাকওয়েস্টফল আবিষ্কার করতে সহায়তা করেছে, এসএএসের slালগুলি স্থির প্রভাবগুলিকে অন্তর্ভুক্ত করে না। আমি যখন স্থির প্রভাবগুলি যুক্ত করি, ফলাফল এখানে - একটি স্থিত প্রভাবের জন্য এস এস এস opালুগুলির সাথে আর slালগুলি তুলনা করা, "পিএস", প্রোগ্রামগুলির মধ্যে: (নির্বাচন সহগ = এলোমেলো opeাল)। এসএএস-এর বর্ধিত প্রকরণটি নোট করুন।
0
s এবং 1
s হিসাবে লেবেলযুক্ত দ্বিপদী ডেটা দিয়ে , R
"1" প্রতিক্রিয়া হওয়ার সম্ভাবনাটি মডেল করবে এবং এসএএস "0" প্রতিক্রিয়াটির সম্ভাবনা মডেল করবে। এসএএস মডেলটিকে "1" এর সম্ভাব্যতা তৈরি করতে আপনাকে আপনার প্রতিক্রিয়া হিসাবে পরিবর্তনশীল হিসাবে লিখতে হবে use(event='1')
। অবশ্যই, এটি না করেও আমি বিশ্বাস করি যে আমাদের এখনও এলোমেলো প্রভাবের বৈকল্পিকগুলির একই অনুমানের পাশাপাশি একই চিহ্নগুলির বিপরীত হওয়া সত্ত্বেও একই স্থির প্রভাবের অনুমানের আশা করা উচিত।
ranef()
ফাংশনটি ব্যবহার না করে তার সাথে এলোমেলো প্রভাবগুলি তুলনা করুন coef()
। পূর্ববর্তীটি প্রকৃত এলোমেলো প্রভাব দেয়, তবে পরেরটি এলোমেলো প্রভাবগুলি এবং নির্দিষ্ট-প্রভাব ভেক্টর দেয়। সুতরাং এটি কেন আপনার পোস্টে চিত্রিত সংখ্যাগুলি পৃথক করে তার অনেক কারণ, তবে এখনও যথেষ্ট পরিমাণে তাত্পর্য রয়েছে যা আমি সম্পূর্ণরূপে ব্যাখ্যা করতে পারি না।
ID
আর এর কোনও কারণ নয়; পরীক্ষা করুন এবং দেখুন যে এটি কিছু পরিবর্তন করে।