রৈখিক মিশ্র মডেলগুলির অসুবিধা

18

রৈখিক মিশ্র-প্রভাবগুলির মডেলগুলি ব্যবহার করার কয়েকটি প্রধান সমস্যাগুলি কী কী? আপনার মডেলটির যথাযথতা মূল্যায়ন করার জন্য সবচেয়ে গুরুত্বপূর্ণ বিষয়গুলি পরীক্ষা / নজর রাখা কী কী? একই ডেটাসেটের মডেলগুলির সাথে তুলনা করার সময়, সর্বাধিক গুরুত্বপূর্ণ জিনিসগুলি কী সন্ধান করতে হবে?

mixed-model model-comparison

— অ্যালান এইচ।
সূত্র

16

এটা একটা ভালো প্রশ্ন।

এখানে কিছু সাধারণ সমস্যাগুলি রয়েছে:

স্ট্যান্ডার্ড সম্ভাবনা তত্ত্ব ব্যবহার করে, আমরা সম্ভাবনা অনুপাত পরীক্ষার পরিসংখ্যান গণনা করে দুটি নেস্টেড হাইপোথেসি, এবং সাথে তুলনা করার জন্য একটি পরীক্ষা করতে । এই পরীক্ষার পরিসংখ্যানগুলির নাল বিতরণটি প্রায় প্যারামিটার স্পেসগুলির মাত্রার সাথে পার্থক্য সমান স্বাধীনতার ডিগ্রি সহ প্রায় চি-স্কোয়ার। দুর্ভাগ্যক্রমে, এই পরীক্ষাটি কেবল আনুমানিক এবং এর জন্য বেশ কয়েকটি অনুমানের প্রয়োজন। একটি গুরুত্বপূর্ণ অনুমান হ'ল শূন্যের নীচে প্যারামিটারগুলি প্যারামিটার স্পেসের সীমানায় নয়। যেহেতু আমরা প্রায়শই রূপটি নিয়ে যায় এমন এলোমেলো প্রভাব সম্পর্কে অনুমানগুলি পরীক্ষা করতে আগ্রহী: এটি বাস্তব উদ্বেগ। $H_0$ $H_1$
${এইচ}_{0} : σ^{2} = 0$ $H_0: \sigma^2=0$ এই সমস্যাটি সমাধানের উপায়টি হ'ল REML। তবে তবুও, পি-মানগুলি তার চেয়ে বড় হতে হবে। এর অর্থ হ'ল যদি আপনি χ2 আনুমানিকতা ব্যবহার করে কোনও উল্লেখযোগ্য প্রভাব লক্ষ্য করেন তবে আপনি এটির তাত্পর্যপূর্ণ যে যথেষ্ট তা নিশ্চিত হতে পারেন। ছোট, তবে তাৎপর্যপূর্ণ নয়, পি-মানগুলি আরও সঠিক, তবে সময় সাপেক্ষ, বুটস্ট্র্যাপ পদ্ধতিগুলি ব্যবহার করতে উত্সাহিত করতে পারে।
স্থির প্রভাবগুলির তুলনা: আপনি যদি দুটি স্থায়ী মডেলগুলির কেবলমাত্র তার স্থির প্রভাবের চেয়ে পৃথক পৃথকগুলির সাথে তুলনা করার জন্য সম্ভাবনা অনুপাতের পরীক্ষাটি ব্যবহার করার পরিকল্পনা করেন তবে আপনি আরএমএল অনুমানের পদ্ধতিটি ব্যবহার করতে পারবেন না। কারণটি হ'ল আরইএমএল স্থির প্রভাবগুলি অপসারণ করে এমন ডেটারের লিনিয়ার সংমিশ্রণগুলি বিবেচনা করে এলোমেলো প্রভাবগুলির অনুমান করে। যদি এই স্থির প্রভাবগুলি পরিবর্তন করা হয় তবে দুটি মডেলের সম্ভাবনাগুলি সরাসরি তুলনাযোগ্য হবে না।
পি-মানগুলি: নির্দিষ্ট প্রভাবগুলির সম্ভাবনা অনুপাত পরীক্ষার মাধ্যমে উত্পন্ন পি-মানগুলি আনুমানিক হয় এবং দুর্ভাগ্যক্রমে খুব ছোট হতে থাকে, যার ফলে মাঝে মাঝে কিছু প্রভাবের গুরুত্বকেও ছাড়িয়ে যায়। সম্ভাবনা অনুপাত পরীক্ষার জন্য আরও নির্ভুল পি-মানগুলি খুঁজে পেতে আমরা ননপ্যারমেট্রিক বুটস্ট্র্যাপ পদ্ধতি ব্যবহার করতে পারি ।
স্থির প্রভাব পরীক্ষার জন্য পি-মানগুলি সম্পর্কে অন্যান্য উদ্বেগ রয়েছে যা ডঃ ডগ বেটস [ এখানে ] প্রকাশ করেছেন।

আমি নিশ্চিত যে ফোরামের অন্যান্য সদস্যদের আরও ভাল উত্তর হবে।

উত্স: আর এর সাথে লিনিয়ার মডেলগুলি প্রসারিত করছেন - জুলাইন ফ্যারাওয়ে ড।

— suncoolsu
সূত্র

9

আমি যে সাধারণ ক্ষতি দেখি তা হ'ল এলোমেলো প্রভাবের বৈচিত্র্য উপেক্ষা করা। যদি নির্ভরশীল ভেরিয়েবলের রেশিয়াল ভেরিয়েন্স বা তারতম্যের তুলনায় এটি বড় হয় তবে ফিটটি সাধারণত দেখতে সুন্দর লাগে তবে কেবল কারণ এলোমেলো প্রভাবগুলি সমস্ত বৈকল্পিকের হয়ে থাকে। তবে যেহেতু প্রকৃত বনামের পূর্বাভাসের গ্রাফটি দুর্দান্ত দেখাচ্ছে আপনার মনে হয় যে আপনার মডেলটি ভাল lined

যখন এই জাতীয় মডেলটি নতুন ডেটা ভবিষ্যদ্বাণী করার জন্য ব্যবহৃত হয় তখন সমস্ত কিছু পৃথক হয়ে যায়। সাধারণত তখন আপনি কেবল স্থির প্রভাবগুলি ব্যবহার করতে পারেন এবং ফিটটি খুব দুর্বল হতে পারে।

— mpiktas
সূত্র

6

ভেরিয়েন্স স্ট্রাকচারকে মডেলিং করা যুক্তিযুক্তভাবে মিশ্র মডেলের সবচেয়ে শক্তিশালী এবং গুরুত্বপূর্ণ একক বৈশিষ্ট্য। পর্যবেক্ষণের মধ্যে পারস্পরিক সম্পর্ককে অন্তর্ভুক্ত করতে এটি বৈকল্পিক কাঠামোর বাইরেও প্রসারিত। একটি যথাযথ সমবায় কাঠামো তৈরির জন্য অবশ্যই যত্নবান হতে হবে অন্যথায় অনুমান, আত্মবিশ্বাসের বিরতি এবং চিকিত্সা পদ্ধতির অনুমানের পরীক্ষা বৈধ নয়। সঠিক র্যান্ডম এফেক্টস নির্দিষ্ট করার জন্য প্রায়শই একজনকে পরীক্ষার জ্ঞান প্রয়োজন।

মিশ্র মডেলগুলির জন্য এসএএস হ'ল আমার সংস্থানগুলিতে যাওয়া, এমনকি আমি আর-তে বিশ্লেষণ করতে চাইলেও to

— উপত্যকা
সূত্র