ভবিষ্যদ্বাণী জন্য lmer ব্যবহার

Question

হ্যালো আমার দুটি সমস্যা আছে যা মাল্টিলেভেল / মিক্সড মডেলগুলির প্রাকৃতিক প্রার্থীদের মতো মনে হয়, যা আমি কখনও ব্যবহার করি নি। সহজ এবং একটি যা পরিচয় হিসাবে চেষ্টা করার আশা করি, তা নীচে: ডেটা ফর্মের অনেকগুলি সারিগুলির মতো দেখায়

x y innergroup outergroup

যেখানে x একটি সংখ্যার কোভারিয়েট যেখানে আমি y (অন্য সংখ্যার ভেরিয়েবল) পুনরায় চাপতে চাই সেখানে প্রতিটি y একটি অভ্যন্তরীণ গোষ্ঠীর অন্তর্গত, এবং প্রতিটি অভ্যন্তরগোষ্ঠ একটি বহির্মুখের মধ্যে থাকে (যেমন, প্রদত্ত আন্তঃগ্রুপের সমস্ত y একই আউটগ্রুপের সাথে সম্পর্কিত) । দুর্ভাগ্যক্রমে, অভ্যন্তরগোষ্ঠীর অনেকগুলি স্তর রয়েছে (বহু হাজার) এবং প্রতিটি স্তরের y এর তুলনামূলকভাবে কম পর্যবেক্ষণ রয়েছে, তাই আমি ভেবেছিলাম এই ধরণের মডেলটি উপযুক্ত হতে পারে। আমার প্রশ্নগুলি হয়

1. আমি এই ধরণের বহুস্তরের সূত্রটি কীভাবে লিখব?

2. একবার lmer মডেল ফিট করে, একটি এটি থেকে পূর্বাভাস সম্পর্কে কিভাবে যায়? আমি খেলনার কয়েকটি সহজ উদাহরণ ফিট করেছি, তবে পূর্বাভাস () ফাংশনটি পাইনি। বেশিরভাগ লোক এই ধরণের কৌশলটির সাথে পূর্বাভাসের চেয়ে অনুমানের প্রতি আগ্রহী বলে মনে হয়। আমার বেশ কয়েকটি মিলিয়ন সারি রয়েছে, সুতরাং গণনাগুলি কোনও সমস্যা হতে পারে তবে যথাযথ হিসাবে আমি সর্বদা এটি কেটে ফেলতে পারি।

আমার কিছু সময়ের জন্য দ্বিতীয়টি করার দরকার পড়বে না তবে আমি পাশাপাশি এটি সম্পর্কে চিন্তাভাবনা করা এবং এটির সাথে খেলা শুরু করতে পারি। আমার কাছে আগের মতোই ডেটা রয়েছে তবে এক্স ছাড়াই এবং y এখন ফর্মের একটি দ্বিপদী পরিবর্তনশীল । y এছাড়াও অভ্যন্তরীণ গোষ্ঠীর মধ্যেও প্রচুর পরিমাণে ওভারডিস্পেরেশন প্রদর্শন করে। বেশিরভাগ 2 বা 3 (বা তার চেয়ে কম) এর বেশি নয়, সুতরাং প্রতিটি এর সাফল্যের হারের অনুমানের জন্য আমি বিটা- সংকোচনের প্রাক্কলনকারী , যেখানে এবং$(n,n-k)$$n$$y_i$$(\alpha+k_i)/(\alpha+\beta+n_i)$$\alpha$$\beta$প্রতিটি অভ্যন্তরীণ গোষ্ঠীর জন্য আলাদাভাবে এমএলই দ্বারা অনুমান করা হয়। এটি কিছুটা পর্যাপ্ত ছিল, তবে ডেটা স্পারসিটি এখনও আমাকে জর্জরিত করে, তাই আমি উপলভ্য সমস্ত ডেটা ব্যবহার করতে চাই। একটি দৃষ্টিকোণ থেকে, এই সমস্যাটি আরও সহজ যেহেতু কোনও কোভারিয়েট নেই, তবে অন্যটি থেকে দ্বিপদী প্রকৃতি এটিকে আরও কঠিন করে তুলেছে। কারও কি উচ্চ (বা নিম্ন!) স্তরের দিকনির্দেশ আছে?

Comments

সংক্ষিপ্ত সূত্রে আমি যে প্রথম বন্ধনীগুলি প্রবেশ করিয়েছি সেগুলি আপনি যেখানে রেখেছিলেন তা দয়া করে যাচাই করুন।

— whuber

আপনার প্রশ্নের ২ য় অংশ (বাইনারি ভেরিয়েবল সহ) আলাদা প্রশ্ন হওয়া উচিত নয়?

— CHL

Answer 1

আর ফর্মুলা ব্যবহার করে ফ্যাক্টর সম্পর্ক প্রকাশ করা উইলকিনসনের স্বরলিপি থেকে অনুসরণ করে, যেখানে '*' ক্রসিং এবং '/' বাসা বেঁধে বোঝায়, তবে মিশ্র-প্রভাবগুলির মডেলগুলির জন্য সূত্রের কয়েকটি বৈশিষ্ট্য বা আরও সাধারণভাবে এলোমেলো প্রভাবগুলি পরিচালিত হয়। উদাহরণস্বরূপ, দুটি ক্রস করা এলোমেলো প্রভাব হিসাবে উপস্থাপিত হতে পারে (1|x1)+(1|x2)। আমি আপনার বিবরণটিকে বাসা বাঁধার ক্ষেত্রে হিসাবে ব্যাখ্যা করেছি, অনেকগুলি ক্লাসের মতো স্কুলগুলিতে বাসা বাঁধে (রাজ্যগুলিতে নেস্টেড ইত্যাদি), সুতরাং একটি মৌলিক সূত্রটি দেখতে lmerহবে (অন্যথায় বলা না থাকলেও,gaussian পরিবার ডিফল্টরূপে ব্যবহৃত হয় না):

y ~ x + (1|A:B) + (1|A)

যেখানে A এবং B যথাক্রমে আপনার অভ্যন্তরীণ এবং বাহ্যিক কারণের সাথে মিল রয়েছে। বি এ এর ​​ভিতরে বাসা বাঁধে এবং উভয়কে এলোমেলো কারণ হিসাবে বিবেচনা করা হয়। পুরানো এনএলএম প্যাকেজে, এটি এর মতো কিছু হতে পারে lme(y ~ x, random=~ 1 | A/B)। যদি এটিকে একটি নির্দিষ্ট ফ্যাক্টর হিসাবে বিবেচনা করা হয় তবে সূত্রটি পড়া উচিত y ~ x + A + (1|A:B)।

তবে lme4 প্যাকেজের জন্য ডি বেটসের স্পেসিফিকেশনগুলি আরও সুনির্দিষ্টভাবে পরীক্ষা করা মূল্যবান , যেমন তার আগত পাঠ্যপুস্তকে, lme4: আর-এর সাথে মিশ্রিত-প্রভাব মডেলিং , বা একই ওয়েবপৃষ্ঠায় পাওয়া অনেকগুলি হ্যান্ডআউট। বিশেষত, ফিটিং লিনিয়ার মিশ্রিত-প্রভাবগুলির মডেলগুলিতে, আর-এর lme4 প্যাকেজটিতে বাসা বাঁধার সম্পর্কের উদাহরণ রয়েছে । জন মাইন্ডোনাল্ডসের টিউটোরিয়ালটি একটি দুর্দান্ত ওভারভিউ প্রদান করে: আর এর lme4 প্যাকেজ সহ একটি মিশ্রিত মডেল বিশ্লেষণের অ্যানাটমি । অবশেষে, lme4 প্রয়োগের উপর আর ভিগনেটের ধারা 3 নেস্টেড কাঠামোর বিশ্লেষণের উদাহরণ অন্তর্ভুক্ত।

এমন কিছু নেই predict()Lme4 এ ফাংশন(এই ফাংশনটি এখন বিদ্যমান, নীচে মন্তব্য দেখুন), এবং আপনাকে নিজেকে নির্ধারিত স্থির (দেখুন ?fixef) এবং এলোমেলো (দেখুন ?ranef) প্রভাবগুলি ব্যবহার করে পৃথক মানগুলির পূর্বাভাস দিতে হবে , তবে lme4 এ পূর্বাভাস ফাংশনের অভাবে এই থ্রেডটিও দেখুন । আপনি কার্যটি ব্যবহার করে উত্তর বিতরণ থেকে একটি নমুনাও তৈরি করতে পারেন mcmcsamp()। কখনও কখনও, এটি সংঘর্ষ হতে পারে, যদিও। দেখুন স্বাক্ষর আমাকে আরো আপডেট তথ্যের জন্য মেইলিং তালিকা।

Comments

আপডেট করার জন্য: lme4হিসাবে এখন একটি ফাংশন ভবিষ্যদ্বাণী করা inside-r.org/packages/cran/lme4/docs/predict.mermod

— বার

পূর্বাভাসের জন্য ডকুমেন্টেশন.মডমড এখন এখানে উপলভ্য: rdocamentation.org/packages/lme4/versions/1.1-12/topics/…

— ডার্টস্ট্যাটস

Answer 2

Ez প্যাকেজ ezPredict () ফাংশন, যা lmer মডেল থেকে পূর্বাভাস যেখানে ভবিষ্যদ্বাণী শুধুমাত্র নির্দিষ্ট প্রভাব উপর ভিত্তি করে তৈরি সংগ্রহ রয়েছে। এটি সত্যিই কেবল গ্লিম উইকিতে বিশদভাবে জানার জন্য একটি মোড়ক ।

Answer 3

আমি "logit.mixed" ফাংশন ব্যবহার করেন Zelig , যা lime4 জন্য মোড়কের এবং এটি খুব সুবিধাজনক ভবিষ্যদ্বাণী এবং সিমুলেশন না করে তোলে।

Comments

জেলিগে লগিট.মিক্সডের জন্য কোনও পূর্বানুমতি () পদ্ধতি নেই বলে মনে হচ্ছে ..

— nassimhddd

Answer 4

Lme4 এর বিকাশের সংস্করণটিতে একটি বিল্ট-ইন পূর্বাভাস ফাংশন (প্রেডিক্ট.মারমড) রয়েছে। এটি পাওয়া যাবে https://github.com/lme4/lme4/ এ ।

"Lme4 আর-ফোর্স সংগ্রহস্থল থেকে প্রায় আপ-টু-ডেট ডেভলপমেন্ট বাইনারিগুলি" ইনস্টল করার কোডটি উপরের পৃষ্ঠায় পাওয়া যাবে এবং তা হ'ল:

install.packages("lme4", repos=c("http://lme4.r-forge.r-project.org/repos", getOption("repos")["CRAN"]))

Comments

নোট করুন এটি আর বিকাশের সংস্করণ নয়, predictএখন কয়েক বছর ধরে উপলভ্য।

— বেন বলকার

Answer 5

স্টিফেন রউডেনবুশের হ্যান্ডবুক অফ মাল্টিলেভাল অ্যানালাইসিসে একটি বইয়ের অধ্যায় রয়েছে " অনেক ছোট গ্রুপ " নিয়ে । আপনি যদি কেবলমাত্র y এর উপর x এর প্রভাবগুলিতে আগ্রহী এবং উচ্চ স্তরের প্রভাবগুলিতে আগ্রহী না হন তবে তার পরামর্শটি একটি স্থির প্রতিক্রিয়া মডেল (অর্থাত্ সমস্ত উচ্চ স্তরের গ্রুপিংয়ের জন্য একটি ডামি ভেরিয়েবল) অনুমান করার জন্য।

ভবিষ্যদ্বাণীটির প্রতি এটি কতটা প্রযোজ্য তা আমি জানি না, তবে তিনি যা লিখেছেন তার কিছুটা আপনি কার্যকর করার চেষ্টা করছেন তার জন্য প্রযোজ্য তা আমি কল্পনা করব।