আমরা নিম্নলিখিত সিনট্যাক্স ব্যবহার করে একটি মিশ্র প্রভাব লজিস্টিক রিগ্রেশন চালিয়েছি;
# fit model
fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0,
family = binomial(link="logit"))
# model output
summary(fm0)বিষয় এবং আইটেম এলোমেলো প্রভাব। আমরা একটি বিজোড় ফলাফল পাচ্ছি যা বিষয়বস্তুর জন্য সহগ এবং মান বিচ্যুতি উভয়ই শূন্য;
Generalized linear mixed model fit by maximum likelihood (Laplace
Approximation) [glmerMod]
Family: binomial ( logit )
Formula: GoalEncoding ~ 1 + Group + (1 | Subject) + (1 | Item)
Data: exp0
AIC BIC logLik deviance df.resid
449.8 465.3 -220.9 441.8 356
Scaled residuals:
Min 1Q Median 3Q Max
-2.115 -0.785 -0.376 0.805 2.663
Random effects:
Groups Name Variance Std.Dev.
Subject (Intercept) 0.000 0.000
Item (Intercept) 0.801 0.895
Number of obs: 360, groups: Subject, 30; Item, 12
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.0275 0.2843 -0.1 0.92
GroupGeMo.EnMo 1.2060 0.2411 5.0 5.7e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Correlation of Fixed Effects:
(Intr)
GroupGM.EnM -0.002এটি হওয়া উচিত নয় কারণ স্পষ্টতই বিষয়গুলির মধ্যে বিভিন্নতা রয়েছে। আমরা যখন স্ট্যাটায় একই বিশ্লেষণ চালাই
xtmelogit goal group_num || _all:R.subject || _all:R.item
Note: factor variables specified; option laplace assumed
Refining starting values:
Iteration 0: log likelihood = -260.60631
Iteration 1: log likelihood = -252.13724
Iteration 2: log likelihood = -249.87663
Performing gradient-based optimization:
Iteration 0: log likelihood = -249.87663
Iteration 1: log likelihood = -246.38421
Iteration 2: log likelihood = -245.2231
Iteration 3: log likelihood = -240.28537
Iteration 4: log likelihood = -238.67047
Iteration 5: log likelihood = -238.65943
Iteration 6: log likelihood = -238.65942
Mixed-effects logistic regression Number of obs = 450
Group variable: _all Number of groups = 1
Obs per group: min = 450
avg = 450.0
max = 450
Integration points = 1 Wald chi2(1) = 22.62
Log likelihood = -238.65942 Prob > chi2 = 0.0000
------------------------------------------------------------------------------
goal | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
group_num | 1.186594 .249484 4.76 0.000 .6976147 1.675574
_cons | -3.419815 .8008212 -4.27 0.000 -4.989396 -1.850234
------------------------------------------------------------------------------
------------------------------------------------------------------------------
Random-effects Parameters | Estimate Std. Err. [95% Conf. Interval]
-----------------------------+------------------------------------------------
_all: Identity |
sd(R.subject) | 7.18e-07 .3783434 0 .
-----------------------------+------------------------------------------------
_all: Identity |
sd(R.trial) | 2.462568 .6226966 1.500201 4.042286
------------------------------------------------------------------------------
LR test vs. logistic regression: chi2(2) = 126.75 Prob > chi2 = 0.0000
Note: LR test is conservative and provided only for reference.
Note: log-likelihood calculations are based on the Laplacian approximation.সাবজেক্ট টার্মের জন্য ফলাফলগুলি একটি শূন্য-সহগ / সে সাথে প্রত্যাশিত হিসাবে প্রত্যাশিত।
মূলত আমরা ভেবেছিলাম সাবজেক্ট টার্মের কোডিংয়ের সাথে এটি করার কিছু হতে পারে তবে স্ট্রিং থেকে পূর্ণসংখ্যার এটিকে পরিবর্তন করা কোনও তাত্পর্যপূর্ণ হয়নি।
স্পষ্টতই বিশ্লেষণ সঠিকভাবে কাজ করছে না, তবে আমরা অসুবিধার উত্সটি পিন করতে পারছি না। (এই ফোরামের এনবি অন্য কেউ একই ধরণের সমস্যার মুখোমুখি হচ্ছে, তবে এই থ্রেডটি প্রশ্নের উত্তরহীন লিঙ্ক হিসাবে রয়ে গেছে )
পর্যবেক্ষণের জন্য অনেক ধন্যবাদ। বিষয়গুলি একটি গবেষণায় অংশগ্রহণকারী এবং কার্য সম্পাদনের ক্ষেত্রে তারতম্য থাকতে বাধ্য। গড় স্কোরগুলি 39% সঠিক ছিল, 11% এর মানক বিচ্যুতি সহ। আমি প্রতিবেদন করা পরিসংখ্যানগুলিতে এটি 0.000 এর বেশি হিসাবে উপস্থিত হওয়ার প্রত্যাশা করব তবে ভুল হতে পারে। হ্যাঁ, অবশ্যই 7.18e-07 0.000 এর সমান এবং 0.000 অগত্যা শূন্য নয়।
—
নিক রিচস
প্রতিটি বিষয় কতবার পরীক্ষিত / নমুনাযুক্ত হয়েছিল? আপনার গবেষণার মূল বিষয়গুলি না জেনে স্টাটা যদি আপনাকে বলে যে বিষয়গুলির মধ্যে তারতম্যটি 0.000000718 (০.০7878 এর একটি স্ট্যান্ডার্ড ত্রুটি সহ) এবং আর আপনাকে বলে যে এটি ০.০০০, এখানে গল্পটি নেই যে সত্যই কোনও প্রকরণ নেই বিষয় পর্যায়ে? এছাড়াও নোট করুন যে স্টাটা বিষয়টির প্রকরণের জন্য আপনাকে একটি আত্মবিশ্বাসের ব্যবধান দেয় না।
—
স্মিলিগ
মন্তব্যের জন্য আবার ধন্যবাদ। বিষয়গুলি 11 বার পরীক্ষা করা হয়েছিল। আমি অনুমান করি এর অর্থ এই যে একবার গোষ্ঠী এবং আইটেমের প্রভাবগুলির জন্য গণনা করা হলে অংশগ্রহণকারীদের মধ্যে খুব কম পার্থক্য রয়েছে। এটি কিছুটা "সন্দেহভাজন" দেখাচ্ছে তবে আমার ধারণা, দুটি পৃথক বিশ্লেষণ জুড়েই ধারাবাহিকতা রয়েছে?
—
নিক রিচস
সম্পর্কিত: stats.stackexchange.com/questions/34969 ।
—
অ্যামিবা বলছেন মনিকাকে
subjectএই ভেরিয়েবলগুলি সম্পর্কে কী বা অন্য কিছু জানি না তাই এটি আমাদের কাছে এতটা "স্পষ্ট" নয় "! এছাড়াও" অ-শূন্য সহগ বিষয়টির জন্য "আপনার স্টাটা বিশ্লেষণ থেকে 7.18e-07 হয়! আমি প্রযুক্তিগতভাবে অনুমান করি এটি" শূন্য নয় "তবে এটি 0 এর থেকে খুব বেশি দূরে নয় ...!