আরএমএল বনাম এমএল স্টেপএইসি

Question

আমার মিশ্র মডেল বিশ্লেষণকে এটি অনুসরণ করে কীভাবে সেরা মডেল বা মডেলগুলি নির্বাচন করতে এআইসি ব্যবহার করে চালানো যায় সে সম্পর্কে সাহিত্যের খনন করার চেষ্টা করার পরে আমি অভিভূত বোধ করি। আমি মনে করি না যে আমার ডেটাটি জটিল, তবে আমি যা করেছি তা নিশ্চিত হওয়ার জন্য সন্ধান করছি এবং তারপরে কীভাবে এগিয়ে যেতে হবে সে সম্পর্কে পরামর্শ দিন। আমি নিশ্চিত নই যে আমার যদি এলএমই বা লিমার ব্যবহার করা উচিত এবং তারপরে যেকোন একটির সাথে, যদি আমার আরইএমএল বা এমএল ব্যবহার করা উচিত।

আমার নির্বাচনের একটি মান রয়েছে এবং আমি জানতে চাই যে কোনটি কোভারিটিস সেই মানটিকে সবচেয়ে ভাল প্রভাবিত করে এবং পূর্বাভাসের জন্য অনুমতি দেয়। আমি এখানে পরীক্ষার জন্য তৈরি কিছু উদাহরণ ডেটা এবং আমার কোড যা আমি কাজ করছি:

ID=as.character(rep(1:5,3))
season=c("s","w","w","s","s","s","s","w","w","w","s","w","s","w","w")
time=c("n","d","d","n","d","d","n","n","n","n","n","n","d","d","d")
repro=as.character(rep(1:3,5))
risk=runif(15, min=0, max=1.1)
comp1=rnorm(15, mean = 0, sd = 1)
mydata=data.frame(ID, season, time, repro, risk, comp1)
c1.mod1<-lmer(comp1~1+(1|ID),REML=T,data=mydata)
c1.mod2<-lmer(comp1~risk+(1|ID),REML=T,data=mydata)
c1.mod3<-lmer(comp1~season+(1|ID),REML=T,data=mydata)
c1.mod4<-lmer(comp1~repro+(1|ID),REML=T,data=mydata)
c1.mod5<-lmer(comp1~time+(1|ID),REML=T,data=mydata)
c1.mod6<-lmer(comp1~season+repro+time+(1|ID),REML=T,data=mydata)
c1.mod7<-lmer(comp1~risk+season+season*time+(1|ID),REML=T,data=mydata)

আমার কাছে ~ 19 টি মডেল রয়েছে যা বিভিন্ন সংমিশ্রণ এবং 2 ওয়ে ইন্টারঅ্যাকশন শর্তাবলী পর্যন্ত এই ডেটা অন্বেষণ করে তবে সর্বদা আইডি সাথে এলোমেলো প্রভাব হিসাবে এবং আমার নির্ভরশীল ভেরিয়েবল হিসাবে কম 1 করে।

• চতুর্থাংশ 1। কোনটি ব্যবহার করবেন? lme বা lmer? এটা কোন ব্যাপার?

এই উভয়টিতেই আমার কাছে এমএল বা আরইএমএল ব্যবহারের বিকল্প রয়েছে - এবং আমি মারাত্মকভাবে আলাদা উত্তর পেতে পারি - এমআইএলটি অনুসরণ করে এআইসি অনুসরণ করে আমি একই রকম এআইসি মান সহ 6 টি মডেল নিয়ে এসেছি এবং মডেল সংমিশ্রণগুলি কেবল অর্থবোধ করে না, যদিও আরএমএল সবচেয়ে সম্ভাব্য মডেলগুলির মধ্যে 2 টির ফলাফল সবচেয়ে ভাল। যাইহোক, আরএমএল চালানোর সময় আমি আর anova ব্যবহার করতে পারি না।

• Q2 এর। REMA এর সাথে এমওএল ব্যবহারের মূল কারণ কি এনওভাএর সাথে ব্যবহারের কারণে? এটি আমার কাছে পরিষ্কার নয়।

আমি এখনও স্টেপএইসি চালাতে পারছি না বা এই 19 টি মডেলকে সঙ্কুচিত করার অন্য কোনও উপায় সম্পর্কে আমি জানি না।

• চতুর্থাংশ 3। এই স্থানে স্টেপএইসি ব্যবহার করার কোনও উপায় আছে কি?

Comments

Q2- এর জন্য, এমএল প্রয়োজনীয় কারণ স্থির প্রভাবগুলি পরিবর্তিত হলে REML ব্যবহার করে তুলনা বৈধ হয় না। সম্ভাব্য দরকারী সম্পর্কিত প্রশ্নটি এখানে: stats.stackexchange.com/a/16015/3601

— অ্যারন

@ অ্যারন আমি আগে এই প্রশ্নটি দেখেছিলাম, তবে এখনও বিভ্রান্ত ছিলাম। যখন এলোমেলো প্রভাব পরিবর্তন হয় কেবল তখনই কেবল "কাজ করে" ব্যবহার করবেন? আমি অবশ্যই এমএল বনাম আরএমএল যথেষ্ট বুঝতে পারছি না। ধন্যবাদ যদিও, এটি আমার একটি প্রশ্নের সাথে সহায়তা করে!

— কেরি

হা ঐটা ঠিক. মডেলগুলির সাথে তুলনা করার সময়, কেবলমাত্র মডেলগুলির একই স্থির প্রভাব থাকলে REML ব্যবহার করা উচিত। উত্তর নীচে প্রসারিত।

— অ্যারন

Answer 1

চতুর্থাংশ 1। কোনটি ব্যবহার করবেন? lme বা lmer? এটা কোন ব্যাপার? হয় ঠিক আছে। তারা আপনাকে একই ফিট দিবে। lmeআপনাকে পি-ভ্যালু দেবে, এবং lmerদেবে না, তবে আমি এখানে toোকাতে চাই তার চেয়ে বেশি এটি। সবচেয়ে বিখ্যাত রেফারেন্স আর-সাহায্যের মেইলিং লিস্টে ডগ বেটস পোস্টগুলি অন্যতম এখানে ।

(সতর্কতা: তারা কিছুটা পৃথক পৃথক অ্যালগরিদম ব্যবহার করে তাই সম্ভাব্যভাবে কিছু সংখ্যক কঠিন ক্ষেত্রে রয়েছে যেখানে এক বা অন্যজন আরও ভাল করতে পারে তবে বাস্তবে এটি খুব কমই দেখা যায়, এবং বাস্তবে সম্ভবত কোনওরকম মডেলের অপব্যবহারের দিকে ইঙ্গিত করে দেখুন সম্পূর্ণ ভিন্ন See lmer () এবং lme () ।) এর ফলাফল

Q2 এর। REMA এর সাথে এমওএল ব্যবহারের মূল কারণ কি এনওভাএর সাথে ব্যবহারের কারণে? এটি আমার কাছে পরিষ্কার নয়। এমএল প্রয়োজনীয় কারণ স্থির প্রভাবগুলি পরিবর্তিত হলে REML ব্যবহার করে তুলনাগুলি বৈধ নয়। একটি সম্ভাব্য দরকারী সম্পর্কিত প্রশ্ন এখানে: https://stats.stackexchange.com/a/16015/3601 । উপরের মন্তব্যে আপনার প্রশ্নের উত্তর দেওয়ার জন্য, হ্যাঁ, মডেলগুলির সাথে তুলনা করার সময়, আরএএমএল কেবল তখনই ব্যবহার করা উচিত যখন মডেলগুলির একই স্থির প্রভাব থাকে (এটি কেবলমাত্র এলোমেলো প্রভাব পরিবর্তিত হলে)। আরএএমএল সম্ভাবনা নির্ভর করে মডেলগুলিতে কোন স্থির প্রভাব রয়েছে তার উপর নির্ভর করে এবং যদি স্থির প্রভাবগুলি পরিবর্তন হয় তবে তুলনামূলক নয়। REML সাধারণত এলোমেলো প্রভাবগুলির জন্য আরও ভাল অনুমান হিসাবে বিবেচনা করা হয়, যদিও, আপনার চূড়ান্ত অনুমান এবং প্রতিবেদনের জন্য REML ব্যবহার করে আপনার সেরা মডেলটিকে ফিট করার জন্য সাধারণ পরামর্শ।

চতুর্থাংশ 3। এই স্থানে স্টেপএইসি ব্যবহার করার কোনও উপায় আছে কি? আপনার 19 টি মডেলগুলির মধ্যে তুলনা করতে যা আপনার পরিস্থিতিকে উপলব্ধি করে, কেবলমাত্র তাদের সকলের জন্য এআইসির তুলনা করুন। মোটেও পদক্ষেপের পদ্ধতি ব্যবহার করার কোনও কারণ নেই। স্টেপওয়াস পদ্ধতি সাধারণত আজকাল পুরানো ফ্যাশন হিসাবে দেখা হয় কারণ তারা সেরা মডেলটি খুঁজে পাওয়ার গ্যারান্টি দেয় না এবং কম্পিউটারগুলি প্রচুর মডেলের তুলনা করা সহজ করে তোলে।

Answer 2

আরও খনন করতে গিয়ে, আমি এই সংস্থানগুলিও খুঁজে পেয়েছি যা হারুনের দেওয়া লিঙ্কগুলির ব্যাক আপ রাখে এবং যারা আমার মতো শুরু করছেন তাদের পক্ষে ভাল পড়া। উদাহরণগুলির জন্য http://lme4.r-forge.r-project.org/ এ সংযুক্ত অধ্যায়গুলি একই প্রকল্পের পৃষ্ঠায় স্লাইডগুলির লিঙ্ক http://lme4.r-forge.r-project.org/slides/ দেখুন । সংক্ষিপ্ত কোর্সের অনেকের কাছেই উদাহরণ রয়েছে আর কোড যা একটি দুর্দান্ত সহায়তা ছিল।
এছাড়াও ডঃ বলকার এই সংক্ষিপ্ত উত্তর http://r.789695.n4.nabble.com/lme-vs-lmer-how-do-they-differ-td2534332.html