দ্রাঘিমাংশের গণনা ডেটা কীভাবে বিশ্লেষণ করতে হবে: জিএলএমএম-তে সাময়িক স্বতঃসংশোধনের জন্য অ্যাকাউন্টিং?

Question

হ্যালো পরিসংখ্যান গুরু এবং আর প্রোগ্রামিং উইজার্ডস,

আমি পরিবেশের পরিস্থিতি এবং বছরের একটি দিন হিসাবে প্রাণী ক্যাপচার মডেলিং করতে আগ্রহী। অন্য গবেষণার অংশ হিসাবে, আমার কাছে তিন বছরের মধ্যে 160 ডলার ধরে ক্যাপচারের সংখ্যা রয়েছে। এই দিনগুলির প্রতিটিটিতে আমার তাপমাত্রা, বৃষ্টিপাত, উইন্ডস্পিড, আপেক্ষিক আর্দ্রতা ইত্যাদি রয়েছে কারণ একই 5 টি প্লট থেকে বারবার ডেটা সংগ্রহ করা হয়েছিল, তাই আমি প্লটটি এলোমেলো প্রভাব হিসাবে ব্যবহার করি।

আমার বোধগম্যতা হল যে এনএলএম সহজেই অবশিষ্টাংশগুলিতে টেম্পোরাল স্বতঃসংশোধনের জন্য অ্যাকাউন্ট করতে পারে তবে lme4 এর মতো অ-গাউসিয়ান লিঙ্ক ফাংশন পরিচালনা করে না (যা স্বতঃসংশোধন পরিচালনা করতে পারে না?)। বর্তমানে, আমি মনে করি এটি লগ (গণনা) এ আর এনএলএম প্যাকেজটি ব্যবহার করতে পারে। সুতরাং এখনই আমার সমাধানটি এমন কিছু চালানো হবে:

m1 <- lme(lcount ~ AirT + I(AirT^2) + RainAmt24 + I(RainAmt24^2) + RHpct + windspeed + 
      sin(2*pi/360*DOY) + cos(2*pi/360*DOY), random = ~1|plot, correlation =
      corARMA(p = 1, q = 1, form = ~DOY|plot), data = Data)

যেখানে ডিওওয়াই = বছরের দিন। চূড়ান্ত মডেলটিতে আরও ইন্টারঅ্যাকশন হতে পারে তবে এটি আমার সাধারণ ধারণা। আমি সম্ভাব্যভাবে এর মতো আরও কিছু দিয়ে বৈকল্পিক কাঠামোটি আরও মডেল করার চেষ্টা করতে পারি

weights = v1Pow

আমি নিশ্চিত না যে পইসন মিশ্র মডেল রিগ্রেশন বা অন্য কিছু নিয়ে আরও ভাল উপায় আছে কিনা? আমি সবেমাত্র কেডেম এবং ফোকিয়ানোসের "টাইম সিরিজ বিশ্লেষণের জন্য রিগ্রেশন মডেলস" এর ৪ র্থ অধ্যায়ে গাণিতিক আলোচনা পেয়েছি। এই মুহুর্তে এটি আমার থেকে কিছুটা অতিক্রম করেছিল, বিশেষত প্রয়োগের ক্ষেত্রে (এটিকে কোড করে কোড করা)। আমি জুউর এট আল-তে একটি এমসিএমসি সমাধানও দেখেছি। বিগিজ ভাষায় মিশ্রিত ইফেক্টস মডেলগুলির বই (সিপিপি 23) (উইনবিইউজিএস বা জেএজি ব্যবহার করে)। এটা কি আমার সেরা বিকল্প? আর-তে কোনও সহজ এমসিএমসি প্যাকেজ রয়েছে যা এটি পরিচালনা করতে পারে? আমি গ্যাম বা জিইই কৌশলগুলির সাথে সত্যই পরিচিত নই তবে লোকেরা যদি আরও ভাল অন্তর্দৃষ্টি দেয় তবে তারা এই সম্ভাবনাগুলি অন্বেষণ করতে ইচ্ছুক।আমার মূল উদ্দেশ্য পরিবেশগত পরিস্থিতিতে প্রদত্ত প্রাণী ক্যাপচারের পূর্বাভাস দেওয়ার জন্য একটি মডেল তৈরি করা। দ্বিতীয়ত, আমি জানাতে চাই প্রাণী তাদের ক্রিয়াকলাপের ক্ষেত্রে কী প্রতিক্রিয়া জানায়।

আর (বা দার্শনিকভাবে) এগিয়ে যাওয়ার সর্বোত্তম উপায় সম্পর্কে কোনও চিন্তা, কীভাবে এটি আর, বা বিজিজেসে কোডিং করা যায় তা প্রশংসিত হবে। আমি আর আর ইউইউএস (winBUGS) এ মোটামুটি নতুন কিন্তু শিখছি। এই প্রথম আমি টেম্পোরাল স্বতঃসংশোধনকে সম্বোধন করার চেষ্টা করেছি।

ধন্যবাদ, ড্যান

Comments

আমি সাধারণত জিইই এর একটি বড় অনুরাগী, তবে আমি এখানে এটি ব্যবহার করা এড়াতে পারি কারণ আপনার কাছে কেবল ৫ টি ক্লাস্টার (প্লট) রয়েছে। তাত্পর্যপূর্ণভাবে পারফরম্যান্স করার জন্য, জিইইতে সাধারণত বৃহত্তর (প্রায় 40 বা তার বেশি) ক্লাস্টারগুলির প্রয়োজন হয়।

— স্ট্যাটাস স্টুডেন্ট

ম্যাকের মালিক হিসাবে আমার কাছে উইনবগসের চেয়ে স্ট্যানের সাথে সহজ সময় কাটানো হয়েছে।

— এরিক_কর্নফিল্ড

Answer 1

আপনার প্রতিক্রিয়া রূপান্তরিত লগ একটি আদর্শ যদিও আদর্শ নয়। একটি জিএলএম কাঠামো সাধারণত পছন্দ হয়। আপনি যদি জিএলএমগুলির সাথে পরিচিত না হন তবে মিশ্র মডেল এক্সটেনশানগুলি দেখার আগে তাদের পর্যালোচনা করে শুরু করুন। গণনা ডেটার জন্য পোইসন বা নেতিবাচক বোনমিয়াল বিতরণ অনুমানগুলি সম্ভবত উপযুক্ত হবে। Dispণাত্মক দ্বিপদী নির্দেশিত হয় যদি ওভার-ডিসপ্রেসন ( https://en.wikedia.org/wiki/Overdispersion ) নির্দেশক গড়ের চেয়ে ভিন্নতা বেশি হয় । প্যারামিটার অনুমানের ব্যাখ্যাটি উভয়ের জন্য সমান।

আমার অভিজ্ঞতায় সবচেয়ে বেশি উল্লেখ করা হচ্ছে lme4 সহ আরে বেশ কয়েকটি বিকল্প রয়েছে।

#glmer
library(lme4) 
glmer(count ~ AirT + I(AirT^2) + RainAmt24 + I(RainAmt24^2) + RHpct + windspeed + sin(2*pi/360*DOY) + cos(2*pi/360*DOY) + (1|plot), family=poisson, data = Data) 
# use glmer.nb with identical syntax but no family for negative binomial.

# glmmADMB with negative binomial
install.packages("glmmADMB", repos=c("http://glmmadmb.r-forge.r-project.org/repos", getOption("repos")),type="source") 
require(glmmADMB)
glmmadmb(count ~ AirT + I(AirT^2) + RainAmt24 + I(RainAmt24^2) + RHpct + windspeed + sin(2*pi/360*DOY) + cos(2*pi/360*DOY) + (1|plot), 
           family="nbinom", zeroInflation=FALSE, data=Data)

# glmmPQL, requires an estimate for theta which can be obtained from a 
# glm model in which the correlation structure is ignored.
library(MASS)
glmmPQL(count ~ AirT + I(AirT^2) + RainAmt24 + I(RainAmt24^2) + RHpct + windspeed + sin(2*pi/360*DOY) + cos(2*pi/360*DOY) , random = list(~1 | plot), data = Data,family = negative.binomial(theta = 4.22, link = log))

এই লিঙ্কগুলিও সহায়ক হতে পারে:

https://udrive.oit.umass.edu/xythoswfs/webui/_xy-11096203_1-t_yOxYgf1s http://www.cell.com/trends/ecology-evolve/pdf/S0169-5347(09)00019-6.pdf

দুজনেই বেন বলকার, লিমে 4 এর লেখক।

আমি উদাহরণগুলি পরীক্ষা করি নি তবে সেগুলি আপনাকে কোথায় শুরু করতে হবে তার একটি ধারণা দেওয়া উচিত। আপনি যদি তাদের প্রয়োগটি যাচাই করতে চান তবে দয়া করে ডেটা সরবরাহ করুন।