কখন কোনও মডেলটিতে এলোমেলো প্রভাব অন্তর্ভুক্ত করা যায়


9

আমি মিশ্র মডেলিংয়ে নতুন এবং আমি যে বিশ্লেষণ করছি তাতে এলোমেলো প্রভাব ব্যবহার করা উপযুক্ত কিনা তা নিয়ে আমি বিভ্রান্ত। কোন পরামর্শ প্রশংসা হবে।

আমার অধ্যয়নটি পরীক্ষা করছে যে স্তন্যপায়ী প্রাচুর্যের একটি নতুন বিকাশিত সূচক একটি প্রতিষ্ঠিত তবে আরও শ্রম নিবিড় সূচকের মানটি কতটা পূর্বাভাস দিতে পারে। আমি প্রতিটি সূচিপত্রগুলিতে একাধিক প্লট সহ একাধিক বন প্যাচগুলিতে এই সূচকগুলি পরিমাপ করছি।

কারণ আমি ফরেস্ট প্যাচগুলির প্রভাবের জন্য সরাসরি আগ্রহী নই এবং আমার নমুনা প্লটগুলি বন প্যাচগুলির অভ্যন্তরে বাসা বেঁধে রয়েছে, ive অবিচ্ছিন্ন প্রভাব হিসাবে বন প্যাচ ব্যবহার করে আসছে been তবে, আমি এ সম্পর্কে বেশ কয়েকটি প্রশ্ন পেয়েছি:

প্রথমত, আমি জানি যে এলোমেলো প্রভাব আপনাকে র্যান্ডম ফ্যাক্টরের সমস্ত সম্ভাব্য স্তর জুড়ে আপনার ফলাফলগুলিকে সাধারণকরণ করতে দেয়, কেবলমাত্র আপনি নমুনা দিয়েছেন। তবে আমার কাছে মনে হয় যে এই জাতীয় অনুভূতি তৈরি করতে আপনার স্তরগুলি এলোমেলোভাবে নমুনা করতে হবে? আমার ফরেস্ট প্যাচগুলি এলোমেলোভাবে নমুনাযুক্ত হয়নি, তাই আমি কি এখনও এগুলিকে এলোমেলো প্রভাব হিসাবে ব্যবহার করতে পারি?

দ্বিতীয়ত, আমি পড়লাম যে আপনি পরীক্ষার মাধ্যমে উদাহরণস্বরূপ প্রভাবগুলির সাথে মডেলগুলির তুলনা করার জন্য সম্ভাবনা অনুপাতের পরীক্ষা করে এটির মাধ্যমে এলোমেলোভাবে প্রভাব ফেলতে হবে কিনা তা পরীক্ষা করতে পারেন। আমি এটি করেছি এবং এটি পরামর্শ দেয় যে এলোমেলো প্রভাব মডেল ডেটা পাশাপাশি একটি নির্দিষ্ট প্রভাবগুলির মডেলকে ব্যাখ্যা করে না। এটির সাথে আমার সমস্যাটি হ'ল আমার প্লটগুলি এখনও বন প্যাচগুলিতে বাসা বেঁধেছে এবং সম্ভবত এটি স্বাধীন নয়। সুতরাং, আমি এলোমেলো প্রভাব বাদ দিয়ে ন্যায্যতা জানাতে এই এলআরটি পদ্ধতির ব্যবহার করতে পারি, বা আমার এখনও নেস্টনেসেসের জন্য অ্যাকাউন্টে অন্তর্ভুক্ত করা দরকার? এবং যদি আমি এলোমেলো প্রভাব মুছে ফেলার চেষ্টা করি, তবে বন-প্যাচগুলির মধ্যে প্লটগুলি স্বাধীন হিসাবে বিবেচনা করা যেতে পারে তা যাচাই করার কোনও উপায় আছে কি?

আপনার সাহায্যের জন্য ধন্যবাদ!

স্থূলবুদ্ধি বাচাল ব্যক্তি


আমি মনে করি এলোমেলো প্রভাবগুলির সাথে মূল ধারণাগত জিনিসটি হ'ল এগুলি সমস্তই একই মাত্রা সম্পর্কে হওয়া উচিত এবং বিনিময়যোগ্য হওয়া উচিত - এটিই নন-স্যাম্পলড এলোমেলো প্রভাবগুলির অনুক্রমকে সম্ভব করে তোলে। এছাড়াও, এলোমেলো প্রভাবের জন্য আপনার এলআর পরীক্ষাগুলি ব্যবহারে সতর্কতা অবলম্বন করা উচিত কারণ এমএল / আরইএমএল অনুমান শূন্য বা শূন্যের কাছাকাছি হলেও ভেরিয়েন্স উপাদানটি সম্পর্কে যথেষ্ট অনিশ্চয়তা থাকতে পারে।
সম্ভাব্যতা

এর জন্য দুর্দান্ত ধন্যবাদ S
জয়

আমি যা বুঝতে পারি তা থেকে, আরএমএল দ্বারা ফিট হওয়া মডেলের সাথে এলআর তুলনা না করাই ভাল। আর এর লিটারে, উদাহরণস্বরূপ, এলআরটি করার সময় আপনার REML = FALSE সেট করা উচিত। (এটি সত্যের ডিফল্ট, যা অন্যথায় ভাল))
ওয়েন

উত্তর:


6

আমি যেমন বুঝতে পেরেছি, আপনার একটি সহজ নেস্টেড অবজারভেশনাল ডিজাইন (প্যাচগুলির মধ্যে প্লট) রয়েছে এবং আপনার আগ্রহ দুটি ক্রমাগত পরিবর্তনশীল (দুটি সূচক) এর মধ্যে একটি সম্পর্ক / রিগ্রেশন সম্পর্কিত। আপনার নমুনার আকার হ'ল এম প্যাচ xn প্লট = এন জোড় পর্যবেক্ষণ (অথবা ভারসাম্যহীন হলে উপযুক্ত সুমটরি)। কোনও যথাযথ র্যান্ডমাইজেশনের সাথে জড়িত ছিল না, তবে আপনি এটি বিবেচনা করতে / করা উচিত / (1) প্যাচগুলি "এলোমেলোভাবে" এই জাতীয় বা কোনও কোনও অঞ্চলে সমস্ত প্যাচগুলি থেকে নির্বাচিত হয়েছিলেন এবং (2) প্লটগুলি "এলোমেলোভাবে" করা হয়েছিল প্রতিটি প্যাচ মধ্যে নির্বাচিত।

যদি আপনি এলোমেলো ফ্যাক্টর প্যাচটিকে উপেক্ষা করেন তবে আপনি এলোমেলোভাবে এন প্লটগুলি "অবাধে" নির্বাচিত করেছেন, সেগুলি (পূর্বে) নির্বাচিত প্যাচগুলিতে (সংখ্যায় বা টাইপে) সীমাবদ্ধ না করে আপনি সিউডোরপ্লিকেশন করতে পারেন।

সুতরাং, আপনার প্রথম প্রশ্ন: হ্যাঁ, এটি এলোমেলো কারণের অনুমতি দেয় allows এ জাতীয় অনুমানের বৈধতা এই অনুমানের বৈধতার উপর নির্ভর করে যে হাফজার্ড নির্বাচন প্যাচগুলির এলোমেলো নির্বাচনের সমতুল্য (উদাঃ, যদি বিভিন্ন ফলস প্যাচ নির্বাচন করা হয় তবে আপনার ফলাফল আলাদা হবে না)। এটি আপনার অনুমানের জায়গারও সীমাবদ্ধ রাখে: আপনার ফলাফলগুলি যে ধরণের বন বা ভৌগলিক অঞ্চল পর্যন্ত প্রসারিত করে তা প্যাচগুলির সর্বাধিক (কাল্পনিক) জনসংখ্যার উপর নির্ভর করে যেখানে আপনার নমুনা একটি বিশ্বাসযোগ্য "এলোমেলো" নমুনা। হতে পারে আপনার পর্যবেক্ষণগুলি আপনার অঞ্চলে বন পাখির স্তন্যপায়ী প্রাণীর একটি "যুক্তিসঙ্গত এলোমেলো" নমুনা তবে এটি পুরো মহাদেশের স্তন্যপায়ী প্রাণীদের সন্দেহজনকভাবে একত্রিত নমুনা।

দ্বিতীয়টি: পরীক্ষাটি "সিউডোরপ্লিকেশন ডিগ্রি" বা আপনার নমুনার প্রমাণগুলির উপর নির্ভর করে যা প্যাচগুলির সাথে "সম্পর্কিত" প্লট করে। এটি হ'ল প্যাচগুলির মধ্যে এবং প্যাচগুলির মধ্যে প্লটগুলির মধ্যে কতটা তফাত আছে (ইনট্রাক্লাস পারস্পরিক সম্পর্কের জন্য অনুসন্ধান করুন)। চূড়ান্তভাবে, প্যাচগুলির মধ্যে কেবলমাত্র ভিন্নতা উপস্থিত রয়েছে (একটি প্যাচের মধ্যে প্লটগুলি একই রকম) এবং আপনার কাছে "খাঁটি সিউডোরপ্লিকেশন" রয়েছে: আপনার এন প্যাচগুলির সংখ্যা হওয়া উচিত, এবং সেগুলির প্রতিটি থেকে এক বা একাধিক প্লট নমুনা প্রদান করে না নতুন তথ্য. অন্য চূড়ান্তভাবে, প্লটগুলির মধ্যে সমস্ত প্রকারভেদ ঘটে এবং প্রতিটি প্লট কোন বন প্যাচের অন্তর্ভুক্ত তা জেনে কোনও অতিরিক্ত প্রকারের ব্যাখ্যা দেওয়া হয়নি (এবং তারপরে এলোমেলো ফ্যাক্টর ছাড়াই মডেলটি আরও পার্সোনামিয়াস প্রদর্শিত হবে); আপনার কাছে "স্বতন্ত্র" প্লট রয়েছে। চূড়ান্ত কোনওটির খুব সম্ভবত হওয়ার সম্ভাবনা থাকে ... বিশেষত জৈবিক পরিবর্তনশীলগুলির জন্য, যদি কেবলমাত্র স্থানিক অটোক্রিয়েশন এবং স্তন্যপায়ী প্রাণীর ভৌগলিক বিতরণের কারণে ঘটে থাকে। উপরে বর্ণিত "পরীক্ষামূলক-পর্যবেক্ষণ" উপমা বজায় রাখতে আমি ব্যক্তিগতভাবে যেকোন উপায়ে ডিজাইন করে উপাদানগুলি রাখতে পছন্দ করি (উদাহরণস্বরূপ, প্যাচগুলি এই স্যাম্পলে পরিবর্তনের কোনও প্রাসঙ্গিক উত্স নয়); মনে রাখবেন: প্যাচগুলির মধ্যে পার্থক্য শূন্য হ'ল নাল হিপোথেসিসটি প্রত্যাখ্যান করার জন্য আপনার নমুনায় প্রমাণ না থাকার অর্থ এই নয় যে জনসংখ্যায় প্রকরণটি শূন্য। এমনকি যখন প্যাচগুলি এই নমুনাটির পরিবর্তনের কোনও প্রাসঙ্গিক উত্স নয়) উপরে বর্ণিত "পরীক্ষামূলক-পর্যবেক্ষণ" উপমাটি ধরে রাখতে; মনে রাখবেন: প্যাচগুলির মধ্যে পার্থক্য শূন্য হ'ল নাল হিপোথেসিসকে প্রত্যাখ্যান করার জন্য আপনার নমুনায় প্রমাণ না থাকা মানে এই নয় যে জনসংখ্যায় প্রকরণটি শূন্য। এমনকি যখন প্যাচগুলি এই নমুনাটির পরিবর্তনের কোনও প্রাসঙ্গিক উত্স নয়) উপরে বর্ণিত "পরীক্ষামূলক-পর্যবেক্ষণ" উপমাটি ধরে রাখতে; মনে রাখবেন: প্যাচগুলির মধ্যে পার্থক্য শূন্য হ'ল নাল হিপোথেসিসটি প্রত্যাখ্যান করার জন্য আপনার নমুনায় প্রমাণ না থাকার অর্থ এই নয় যে জনসংখ্যায় প্রকরণটি শূন্য।

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.