একটি নন-প্যারাম্যাট্রিক পুনরায়-পরিমাপ করে মাল্টি-ওয়ে আনোভা?


16

নীচের প্রশ্নটি আমার কাছে কিছু সময়ের জন্য সেই পবিত্র গ্রিলগুলির মধ্যে একটি, আমি আশা করি যে কেউ কোনও ভাল পরামর্শ দিতে সক্ষম হতে পারে।

আমি আর ব্যবহার করে একটি পরামিতি সংক্রান্ত পুনরাবৃত্তি ব্যবস্থা মাল্টিওয়ে আনোভা সম্পাদন করতে চাই।

আমি কিছু সময়ের জন্য কিছু অনলাইন অনুসন্ধান এবং পড়া করছি, এবং এখনও অবধি কেবলমাত্র কয়েকটি ক্ষেত্রে সমাধানের সন্ধান করতে পেরেছি: এক উপায়ের জন্য ফ্রেডম্যান পরীক্ষা নোনপ্রেমেট্রিক পুনরাবৃত্তি ব্যবস্থা আনোভা, মাল্টি ওয়ে ন্যানপ্রেমেট্রিকের জন্য আনোভা ফাংশন সহ অर्डিনাল রিগ্রেশন আনোভা, এবং আরও আংশিক সমাধানগুলি আমি এই প্রশ্নের থ্রেডে যা খুঁজছি তা নয়। আমি কিছুক্ষণ আগে প্রকাশিত একটি পোস্টে আমার অনুসন্ধানের সংক্ষিপ্ত বিবরণ তুলে ধরেছি (শিরোনাম: পুনরাবৃত্তির সাথে আনোভা আর (ফাংশন এবং টিউটোরিয়াল) দিয়ে যায় , যদি এটি কাউকে সহায়তা করে)


আমি যা অনলাইনে পড়েছি তা যদি সত্য হয় তবে মিশ্রিত অর্ডিনাল রিগ্রেশন মডেল (ওরফে: প্রোপারশনাল অডস মডেল) ব্যবহার করে এই কাজটি অর্জন করা যেতে পারে।

আমি দুটি প্যাকেজ পেয়েছি যা প্রাসঙ্গিক বলে মনে হয়, তবে বিষয়টিতে কোনও ভিনগেট খুঁজে পাইনি:

সুতরাং বিষয়টিতে নতুন হয়ে আমি এখানকার লোকদের কাছ থেকে কিছু দিকনির্দেশের আশা করছিলাম।

বিষয় সম্পর্কে কোন টিউটোরিয়াল / প্রস্তাবিত-পঠন আছে? আরও ভাল, কেউ কীভাবে এটি আর এ চালাতে এবং বিশ্লেষণ করতে পারে তার জন্য একটি সাধারণ উদাহরণ কোডের পরামর্শ দিতে পারেন (উদাহরণস্বরূপ: "নন-প্যারামেট্রিক পুনরাবৃত্তিগুলি মাল্টিওয়ে আনোভা")?


তাল, আমি জিজ্ঞাসা করতে পারি যে আপনি এর জন্য কোনও সমাধান খুঁজে পেয়েছেন কিনা? আমারও একই সমস্যা রয়েছে এবং নীচের উত্তরগুলি উত্তর খুঁজে পেতে সহায়তা করতে সহায়ক হতে পারে তবে সত্যিকার অর্থে একটি নির্দিষ্ট উত্তর সরবরাহ করবেন না। আমার কাছে 9 টি অরডিনাল ডিভি এবং 2 টাইম পয়েন্ট রয়েছে এবং আপনি একই পরীক্ষাটি করতে চেয়েছিলেন যা আপনি সম্পাদন করতে চেয়েছিলেন।
টর্ভন

1
হাই টর্ভন আমি কখনই সমাধান করে আসিনি। আমার ধারণা অনুমানের পরীক্ষাগুলি সবচেয়ে নিরাপদতম রুট হবে তবে আমি বসে বসে কাজটি করার সময় পাইনি। আপনি যদি করেন - দয়া করে আপনার উত্তর পোস্ট করতে আবার আসুন। চিয়ার্স, টি
তাল গালিলি

আপনার দ্রুত প্রতিক্রিয়া জন্য আপনাকে ধন্যবাদ। আমি এটি কাজ করতে হবে এবং আপনাকে জানাতে হবে।
টরভন

উত্তর:


8

Ez প্যাকেজ, যা আমি লেখক নই,) একটি ফাংশন ezPerm নামক (যা একটি বিন্যাস পরীক্ষা নির্ণয় আছে, কিন্তু সম্ভবত পারস্পরিক ক্রিয়ার সঠিকভাবে না (ডকুমেন্টেশন স্বীকার অনেক হিসাবে)। সর্বশেষতম সংস্করণে ইজবুট () নামে একটি ফাংশন রয়েছে যা আপনাকে বুটস্ট্র্যাপ পুনরায় মডেল করতে দেয় যা বারবার ব্যবস্থা গ্রহণ করে (বিষয়গুলির মধ্যে পুনরায় মডেলিং করে), হয় প্রথাগত পরিসংখ্যান হিসাবে traditionalতিহ্যবাহী ঘর ব্যবহার করে বা ভবিষ্যদ্বাণী করতে মিশ্র প্রভাবগুলির মডেলিং ব্যবহার করে নকশার প্রতিটি কক্ষের জন্য। আমি এখনও নিশ্চিত নই যে "মিশ্রিত প্রভাবগুলির মডেল পূর্বাভাসগুলি থেকে বুটস্ট্র্যাপ সিআইগুলি কীভাবে" নন-প্যারাম্যাট্রিক "হয়; আমার অন্তর্নিহিততাটি হ'ল তারা যুক্তিযুক্তভাবে প্যারামিট্রিক হিসাবে বিবেচিত হতে পারে তবে আমি এখনও মিশ্র প্রভাবগুলির মডেলগুলি সম্পর্কে শিখছি বলে এই অঞ্চলে আমার আত্মবিশ্বাস কম।


হ্যালো মাইক উত্তরের জন্য এবং আপনার প্যাকেজের জন্য আপনাকে ধন্যবাদ - এটি সত্যিই দুর্দান্ত!
তাল গালিলি

@ মাইক, আপনার প্যাকেজটি মিশ্র একাধিক ফ্যাক্টর ডিজাইনের জন্য একমাত্র কাজ বলে মনে হচ্ছে। aovpবিকল্প - এতিম থেকে lmpermপ্যাকেজ - P-মানের জন্য বিশাল বৈচিত্র উত্পাদন করে দেখুন এই । আমার কয়েকটি প্রশ্ন রয়েছে: এর বাস্তবায়নের জন্য আমি কোথায় গ্রন্থপঞ্জি উল্লেখ পেতে পারি ezPerm? আমি কীভাবে ব্যাখ্যা করব যে ফাংশনটি সম্ভবত সঠিকভাবে ইন্টারঅ্যাকশন করে না ? এক্ষেত্রে পোস্ট-হক পরীক্ষা কী হতে পারে? ধন্যবাদ!
টোটো_টিকো

@ মাইক, ezPerm( data = DATA, dv = DV, wid = WID, within = interaction(A,B), perms = 1e3)মিথস্ক্রিয়াটি তাৎপর্যপূর্ণ কিনা তা কি ডাবল চেক করে বোঝার মতো কিছু হবে ?
টোটো_টিকো

5

সন্দেহ হলে বুটস্ট্র্যাপ! সত্যিই, আমি এই জাতীয় পরিস্থিতি পরিচালনা করার জন্য একটি বদ্ধ পদ্ধতি জানি না।

বুটস্ট্র্যাপিং হ'ল ডেটা থেকে কিছু ত্রুটি পরামিতি উত্পন্ন করার একটি সাধারণভাবে প্রয়োগযোগ্য উপায়। সাধারণ প্যারামিট্রিক অনুমানের উপর নির্ভর করার পরিবর্তে বুটস্ট্র্যাপ পদ্ধতিগুলি নমুনাটির বৈশিষ্ট্যগুলিকে বোঝায় যে একটি অভিজ্ঞতামূলক বিতরণ তৈরি করতে পারে যার বিরুদ্ধে আপনার নমুনা অনুমানের সাথে তুলনা করা যেতে পারে।

গুগল পণ্ডিত সোনার ... এটি আগে করা হয়েছিল ... কমপক্ষে একবার।

লুনেবার্গ, ক্লিফোর্ড ই; তৌজিন্যান্ট, জেমস পি।; 1985 "পুনরাবৃত্তি ব্যবস্থা ডিজাইনের সাথে অ্যাপ্লিকেশন সহ এফ্রনের বুটস্ট্র্যাপ।" বহুবিহীন আচরণমূলক গবেষণা; এপ্রি 85, খণ্ড 20 সংখ্যা 2, পি 161, 18 পি


1
সীসা ব্রেট জন্য আপনাকে ধন্যবাদ! আমি অবাক হয়েছি যে কেউ যদি এখন এটিকে আর-এ প্রয়োগ করতে পারে তবে আমি ধারণা করব না)।
তাল গ্যালি

1
ঠিক। বুটস্ট্র্যাপ এবং অন্যান্য এলোমেলোকরণ পদ্ধতিতে সহায়তা করার জন্য আর এর প্রচুর রুটিন রয়েছে, তবে আমি জানি না যে আপনি এই সমস্যার সাথে নির্দিষ্ট কিছু খুঁজে পাবেন anything
ব্রেট

খুব সুন্দর প্রথম বাক্য। আমি আশা করি এটি কপিরাইটযুক্ত নয়, কারণ আমি এটি ব্যবহার করার পরিকল্পনা করেছি: D
gui11aume

0

কিছু ফোরাম এবং মেলিং তালিকায় একটি "কৌশল" উল্লেখ করা আছে - আমি এটি জোপ হক্সের বই "মাল্টিলেভাল অ্যানালাইসিস" (দ্বিতীয় সংস্করণ, 2010), পৃষ্ঠা 189 তেও উল্লেখ করেছি।

ধারণাটি হ'ল: আপনি আপনার লম্বা ডেটাটিকে একটি দীর্ঘ লম্বা ডেটাসেটে পুনরায় ফর্ম্যাট করেছেন যাতে আপনি একটি নতুন ডিভি তৈরি করেন যাতে আপনার সমস্ত ডিভি প্রতিক্রিয়া অন্তর্ভুক্ত থাকে এবং এই ফলাফলের পূর্বাভাস দেওয়ার জন্য ডিভিএসের প্রকৃতি সম্পর্কে তথ্য ধারণ করে এমন একটি সূচক ভেরিয়েবল ব্যবহার করুন।

ধরে নেওয়া যাক আপনার 9 টি হতাশার লক্ষণ (অর্ডিনাল), 2 পরিমাপ পয়েন্ট এবং 300 বিষয় রয়েছে। সুতরাং আপনার যখন আপনার সাধারণ ডেটাসেটে 300 টি সারি থাকবে এবং আপনার লম্বা ডেটাসেটে আপনার 600 টি সারি থাকবে, এই নতুন ডেটাসেটটিতে 9 (উপসর্গ) x 2 (সময়) x 300 (বিষয়) সারি থাকবে।

নতুন ডিভি ভেরিয়েবল "লক্ষণগুলি" এখন 9 টি উপসর্গের উপর অংশগ্রহণকারীদের লক্ষণ তীব্রতা ধারণ করে, ভেরিয়েবল "সূচক" উপসর্গের প্রকৃতি (1 থেকে 9) সম্পর্কে তথ্য ধারণ করে এবং তারপরে দুটি সময় "সময়" এবং " ব্যবহারকারী আইডি".

এটি ordinalচালানোর জন্য আপনি এখন প্যাকেজটি ব্যবহার করতে পারেন ।

data<-read.csv("data_long_long.csv", head=T)

data$symptoms <- factor(data$symptoms)
data$time <- factor(data$time)
data$index <-factor(data$index)

m1<-clmm2(symptoms ~ index+time, random=UserID, data = data, Hess=TRUE, nAGQ=10)

আমার নির্দিষ্ট ক্ষেত্রে, আমি সূচি এবং সময়ের মধ্যে উল্লেখযোগ্য ইন্টারঅ্যাকশন ছিল কিনা তা আগ্রহী ছিলাম, তাই আমি একটি অতিরিক্ত মডেল চালিয়ে তাদের তুলনা করেছি:

m2<-clmm2(symptoms ~ index+time, random=UserID, data = data, Hess=TRUE, nAGQ=10)
anova(m1,m2)

সিএমএমএম 2 একটি র্যান্ডম ইন্টারসেপ্ট মডেল ব্যবহার করে (আমার জ্ঞানের সর্বোত্তম হিসাবে, প্যাকেজটি এলোমেলো slালু কাজ ordinalকরে না), আপনি যদি এলোমেলো ইন্টারসেপ্ট মডেলের সাথে না থাকেন তবে আপনি সিএলএম ব্যবহারের পরিবর্তে মডেলগুলি চালাতে পারবেন, যেমন:

m3<-clm(symptoms ~ index+time, data = data)

1
এম 1 এবং এম 2 হুবহু এক নয়, সম্ভবত আপনি বোঝাতে চেয়েছিলেন clmm2(symptoms ~ index*time, random=UserID, data = data, Hess=TRUE, nAGQ=10) anova(m1,m2)। আপনি কীভাবে কোনও নতুন ক্ল্যাম ফাংশন দিয়ে এটি প্রকাশ করবেন তা কোনও সুযোগেই জানেন? স্বরলিপি সম্পর্কে আমি নিশ্চিত নই।
টোটো_টিকো
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.