একটি মিশ্র-প্রভাব মডেলটিতে র্যান্ডম এফেক্টগুলির বৈচিত্র এবং পারস্পরিক সম্পর্ক কীভাবে ব্যাখ্যা করবেন?

আমি আশা করি আপনারা সবাই এই প্রশ্নটিতে আপত্তি করবেন না, তবে আমি লিনিয়ার মিশ্রিত প্রভাবগুলির মডেল আউটপুটটির জন্য আরে করতে শিখতে চাইছি বলে আউটপুট ব্যাখ্যা করার জন্য আমার সহায়তা দরকার long আমার কাছে এমন একটি মডেল রয়েছে যা সময়ের পূর্বাভাসক হিসাবে আমি সপ্তাহের সাথে ফিট করে থাকি এবং আমার ফলাফল হিসাবে কর্মসংস্থান কোর্সে স্কোর করি। আমি সপ্তাহ (সময়) এবং বেশ কয়েকটি স্থির প্রতিক্রিয়া, লিঙ্গ এবং জাতি নিয়ে স্কোরকে মডেল করেছি। আমার মডেল এলোমেলো প্রভাব অন্তর্ভুক্ত। ভেরিয়েন্স এবং পারস্পরিক সম্পর্ক কী বোঝার জন্য আমার সহায়তা দরকার need আউটপুট নিম্নলিখিত:

Random effects  
Group   Name    Variance  
EmpId intercept 680.236  
weeks           13.562  
Residual 774.256

সিলেটোনটি .231।

আমি পারস্পরিক সম্পর্কটি ব্যাখ্যা করতে পারি যেহেতু সপ্তাহ এবং স্কোরের মধ্যে ইতিবাচক সম্পর্ক রয়েছে তবে আমি "23% এর ..." পদে এটি বলতে সক্ষম হতে চাই।

আমি সত্যিই সাহায্য তারিফ করা।

জবাব দেওয়ার জন্য "অতিথি" এবং ম্যাক্রো ধন্যবাদ। দুঃখিত, জবাব না দেওয়ার জন্য, আমি একটি সম্মেলনে বের হয়েছি এবং এখন আমি ধরা পড়ছি। এখানে আউটপুট এবং প্রসঙ্গ আছে।

আমি দৌড়ে এলএমআর মডেলটির সংক্ষিপ্তসার এখানে।

>summary(LMER.EduA)  
Linear mixed model fit by maximum likelihood  
Formula: Score ~ Weeks + (1 + Weeks | EmpID)   
   Data: emp.LMER4 

  AIC     BIC   logLik   deviance   REMLdev   
 1815     1834  -732.6     1693    1685

Random effects:    
 Groups   Name       Variance Std.Dev. Corr  
 EmpID   (Intercept)  680.236  26.08133        
          Weeks         13.562 3.682662  0.231   
 Residual             774.256  27.82546        
Number of obs: 174, groups: EmpID, 18


Fixed effects:    
            Estimate Std. Error  t value  
(Intercept)  261.171      6.23     37.25    
Weeks          11.151      1.780    6.93

Correlation of Fixed Effects:  
     (Intr)  
Days -0.101

আমি এলোমেলো প্রভাবগুলির জন্য কীভাবে বৈকল্পিক এবং অবশিষ্টাংশের ব্যাখ্যা এবং এটি অন্য কাউকে ব্যাখ্যা করব তা বুঝতে পারি না। আমি পারস্পরিক সম্পর্ককে কীভাবে ব্যাখ্যা করতে পারি তাও জানি না, এটি ইতিবাচক ছাড়া অন্যটিও নির্দেশ করে যে উচ্চতর বাধা সম্বলিতদের উচ্চ haveালু রয়েছে এবং যাদের কম ইন্টারসেপ্ট রয়েছে তাদের নিম্ন opালু আছে তবে আমি কীভাবে পদগুলিতে পারস্পরিক সম্পর্ককে ব্যাখ্যা করতে জানি না এর 23% । । । (আমি কীভাবে বাক্যটি শেষ করতে পারি তা জানার বা এটি করার বুদ্ধিমান হলেও)। এটি আমাদের জন্য একটি ভিন্ন ধরণের বিশ্লেষণ যা আমরা (আমি) অনুদৈর্ঘ্য বিশ্লেষণে যাওয়ার চেষ্টা করছি।

আশা করি এটা কাজে লাগবে.

এ পর্যন্ত আপনার সাহায্যের জন্য ধন্যবাদ।

Zeda

r mixed-model interpretation panel-data

— Zeda
সূত্র

জেদা, এখানে আরও বেশি পরিমাণে আউটপুট দেখতে সহায়তা করবে, স্থির প্রতিক্রিয়াগুলির আউটপুট সংক্ষিপ্তসার সহ

— অতিথি

একটি জিনিস আমি দেখতে পাচ্ছি তা হল এমপিডের জন্য অনুমানযুক্ত ইনট্রাক্লাস পারস্পরিক সম্পর্ক ho । অর্থাৎ EmpID একই পর্যায়ের দুই ব্যক্তিবিশেষের মধ্যে আনুমানিক কোরিলেশন । আমি @ গেষ্টের সাথে একমত যে আরও আউটপুট (এবং কিছু প্রসঙ্গ) সহায়ক হবে।

\hat{ρ} = 680.236 / (680.236 + 13.562 + 774.256)

$\hat{\rho} = 680.236/(680.236+13.562+774.256)$

\hat{ρ}

$\hat{\rho}$

— ম্যাক্রো

জেদা, আমি আপনার উত্তরটিকে সম্পাদনা হিসাবে রূপান্তর করেছি এবং আপনার দুটি অনিবন্ধিত অ্যাকাউন্ট একীভূত করেছি। দয়া করে এটি নিবন্ধ করুন যাতে আপনি নিজের পোস্টটি নিজে অনুসরণ করতে এবং আপডেট করতে পারেন।

— chl

সঙ্গে আপনার লাগানো মডেল lme()হিসাবে প্রকাশ করা যেতে পারে

$y_{ij} = \alpha_0 + \alpha_1 x_j + \delta_{0i} + \delta_{1i} x_j + \epsilon_{ij}$

যেখানে এর স্কোর হল এ ম কর্মচারী সপ্তাহ এবং হয় যথাক্রমে পথিমধ্যে এবং ঢাল সুনির্দিষ্ট করা থাকে, এবং র্যান্ডম পথিমধ্যে এবং ঢাল, এবং অবশিষ্ট নেই । র্যান্ডম প্রভাব জন্য অনুমানের , এবং অবশিষ্ট হয় $y_{ij}$ $i$ $x_j$ $\alpha_0$ $\alpha_1$ $\delta_{0i}$ $\delta_{1i}$ $\epsilon_{ij}$ $\delta_{0i}$ $\delta_{1i}$ $\epsilon_{ij}$

$(\delta_{0i}, \delta_{1i})^T \stackrel{d}{\sim} N((0, 0)^T, G)$ $\epsilon_{ij} \stackrel{d}{\sim} N(0, \sigma^2)$

$G$

(\begin{matrix} g_{1}^{2} & g_{12}^{2} \\ g_{12}^{2} & g_{2}^{2} \end{matrix})

$\begin{pmatrix} g_1^2&g_{12}^2\\ g_{12}^2&g_2^2 \end{pmatrix}$

আপনি এলোমেলো প্রভাব শর্তাবলী মধ্যে বৈকল্পিক ম্যাট্রিক্স পেতে পারেন VarCorr(LMER.EduA)$ID।

আপনার ফলাফলটি মূলত এটি বলে

$\alpha_0$ $\alpha_1$

$g_1^2$ $g_2^2$ $\sigma^2$

$g_{12}^2$ VarCorr(LMER.EduA) $0.23\times \sqrt{g_1^2 g_2^2}$

$g_1^2$ $g_2^2$

— bluepole
সূত্র

দয়া করে চেক করুন যে সাম্প্রতিক সম্পাদনাগুলি আপনার জবাবের অর্থ বদলায় না (ব্যক্তিগতভাবে, আমি সবেমাত্র কিছু স্থির করেছি

L A T E X

$\LaTeX$

@ সিএইচএল: আমার প্রতিক্রিয়াটিকে এত সুন্দর বিন্যাসে গঠনের জন্য আমি সত্যিই আপনার প্রশংসা করি (আমি ল্যাটেক্স সম্পর্কে কিছুই জানি না)। আরও গুরুত্বপূর্ণ বিষয় আপনি covariance অংশ সম্পর্কে আমার opিবি প্রতিক্রিয়া সংশোধন। আবারও ধন্যবাদ, চিএল!

— ব্লুপোল

ক্রেডিটগুলিকে @ জিজেকোর কাছে যেতে হবে যারা ভিসি ম্যাট্রিক্স সম্পর্কে বিশদ সরবরাহ করেছেন; যেমনটি আমি বলেছি, আমি কেবলমাত্র আপনার জবাব (এবং +1) এর কিছু অংশ পাঠ্য করেছি।

— chl

আপনি অনেক এলোমেলো প্রভাব যদি এই কাজ করবে?

— ব্যবহারকারী 124123