অনুমান পরীক্ষা করা হচ্ছে l

Question

আমি একটি পুনরাবৃত্তি নকশা চালিয়েছি যার মাধ্যমে আমি তিনটি ভিন্ন কার্যে 30 জন পুরুষ এবং 30 জন মহিলা পরীক্ষা করেছি tested আমি বুঝতে চাই যে পুরুষ এবং স্ত্রীদের আচরণ কীভাবে আলাদা এবং এটি কীভাবে কাজের উপর নির্ভর করে। আমি এটি তদন্ত করার জন্য lmer এবং lme4 উভয়ই প্যাকেজ ব্যবহার করেছি তবে যাইহোক, আমি উভয় পদ্ধতির জন্য অনুমানগুলি যাচাই করার চেষ্টা করে আটকে আছি। আমি যে কোডটি চালাচ্ছি তা হ'ল

lm.full <- lmer(behaviour ~ task*sex + (1|ID/task), REML=FALSE, data=dat)
lm.full2 <-lme(behaviour ~ task*sex, random = ~ 1|ID/task, method="ML", data=dat)

মিথস্ক্রিয়াটি ইন্টারঅ্যাকশন ছাড়াই সরল মডেলের সাথে তুলনা করে এবং একটি অ্যানোভা চালিয়ে সেরা মডেল কিনা তা আমি পরীক্ষা করেছিলাম:

lm.base1 <- lmer(behaviour ~ task+sex+(1|ID/task), REML=FALSE, data=dat)
lm.base2 <- lme(behaviour ~ task+sex, random= ~1|ID/task), method="ML", data=dat)
anova(lm.base1, lm.full)
anova(lm.base2, lm.full2)

প্রশ্ন 1: লিনিয়ার মিশ্র মডেলগুলিতে এই শ্রেণিবদ্ধ ভবিষ্যদ্বাণীগুলি ব্যবহার করা ঠিক কি?
প্রশ্ন 2: আমি কি সঠিকভাবে বুঝতে পারি যে এটি ফলাফলের পরিবর্তনশীল ("আচরণ") এর জন্য সাধারণত নিজেকে (লিঙ্গ / কার্যাদি জুড়ে) বিতরণ করার দরকার নেই?
প্রশ্ন 3: আমি কীভাবে বৈকল্পিকের একজাতীয়তা পরীক্ষা করতে পারি? একটি সাধারণ রৈখিক মডেলের জন্য আমি ব্যবহার করি plot(LM$fitted.values,rstandard(LM))। plot(reside(lm.base1))যথেষ্ট ব্যবহার করছেন ?
Q4: স্বাভাবিকতা পরীক্ষা করতে নীচের কোডটি ব্যবহার করছেন?

hist((resid(lm.base1) - mean(resid(lm.base1))) / sd(resid(lm.base1)), freq = FALSE); curve(dnorm, add = TRUE)

Comments

একটি জিনিস আমি লক্ষ্য করেছি যে lme4 এর আমি যে সংস্করণটি ব্যবহার করছিলাম সেটি হ'ল সাম্প্রতিকটি নয় এবং তাই সাধারণ প্লটটি (মাইমডেল.এলএম) কাজ করে নি, সম্ভবত এটি অন্য পাঠকদের জানতেও সহায়ক

— ক্রেজজো

Answer 1

প্রশ্ন 1: হ্যাঁ - ঠিক কোনও রিগ্রেশন মডেলের মতো।

প্রশ্ন 2: সাধারণ রৈখিক মডেলের মতোই, আপনার ফলাফল ভেরিয়েবলটি অবিচ্ছিন্ন পরিবর্তনশীল হিসাবে সাধারণত বিতরণ করার প্রয়োজন হয় না। তবে, এলএমই মডেলগুলি ধরে নেয় যে মডেলের অবশিষ্টাংশগুলি সাধারণত বিতরণ করা হয়। সুতরাং কোনও রূপান্তর বা মডেলটিতে ওজন যুক্ত করা এটির যত্ন নেওয়ার একটি উপায় হবে (এবং অবশ্যই ডায়াগনস্টিক প্লটগুলি পরীক্ষা করা)।

চতুর্থাংশ 3: plot(myModel.lme)

Q4 ই: qqnorm(myModel.lme, ~ranef(., level=2))। এই কোডটি আপনাকে এলোমেলো প্রভাবগুলির প্রতিটি স্তরের জন্য QQ প্লট তৈরি করার অনুমতি দেবে। এলএমই মডেলগুলি ধরে নেয় যে কেবল-ক্লাস্টারের অবশিষ্টাংশগুলি সাধারণত বিতরণ করা হয় না, তবে এলোমেলো প্রভাবগুলির প্রতিটি স্তরও একই রকম। Vary levelথেকে 0, 1, যাতে আপনি ইঁদুর, কাজের, এবং মধ্যে-বিষয় অবশিষ্টাংশ পরীক্ষা করতে পারবেন 2।

সম্পাদনা: আমারও যোগ করা উচিত যে স্বাভাবিকতা ধরে নেওয়া হয় এবং যে রূপান্তরটি সম্ভবত অ-স্বাভাবিক ত্রুটিগুলি / এলোমেলো প্রভাবগুলির সাথে সমস্যাগুলি হ্রাস করতে সহায়তা করে, এটি পরিষ্কার নয় যে সমস্ত সমস্যাগুলি আসলে সমাধান করা হয়েছে বা পক্ষপাতিত্ব চালু করা হয়নি। যদি আপনার ডেটাতে কোনও রূপান্তর প্রয়োজন, তবে এলোমেলো প্রভাবগুলির অনুমানের বিষয়ে সতর্ক হন। এখানে একটি কাগজ অ্যাড্রেসিং এর এই ।

Comments

আপনার উত্তরের জন্য ধন্যবাদ. আমি আউটপুট সহ বিশ্লেষণের জন্য আমার ডেটাসেট এবং স্ক্রিপ্টটি ভাগ করে নিতে চাই যাতে আমি যা করেছি তা সত্যই সঠিক কিনা। স্ট্যাক এক্সচেঞ্জ এ এটি সম্ভব? তদুপরি আমি মনে করি যে আমি ভুল র্যান্ডম ফ্যাক্টরটি চালিয়েছি (1 | ইঁদুর / টাস্ক), এটি কেবল (1 | ইঁদুর) হওয়া উচিত নয়? আমি তিনটি কাজে 60rats (প্রতিটি লিঙ্গের 30 টি) পরীক্ষা করেছি।

— ক্রেজজো

আমি সম্প্রতি Q4 এর জন্য কোডটি চেষ্টা করেছি এবং 'এস 4' টাইপটির সাবসেটটেবল নয় এমন বিষয়ে ত্রুটি পেয়েছি। মডেলগুলির জন্য চিহ্নিত কোডটি কি lme প্যাকেজের সাথে ফিট ছিল? Lme4 নিয়ে কি হবে?

— এমুদ্রাক

Q4 সম্পর্কিত, এই প্লটগুলি তৈরি করা লোকদের মনে রাখা উচিত যে উত্পাদিত প্রতিটি প্লটের জন্য N মোটের তুলনায় যথেষ্ট ছোট হবে এবং তাই প্লটগুলি আরও বেশি পরিবর্তনশীল হবে। এগুলি সামগ্রিকভাবে সাধারণভাবে বিতরিত হওয়ার মতো প্রত্যাশা করবেন না।

— জন

Answer 2

আপনি বহু-স্তরের মডেলগুলির আশেপাশের অনুমানগুলি সম্পর্কে যথেষ্ট বিভ্রান্ত বলে মনে করছেন। উপাত্তগুলিতে বৈচিত্রের একজাতীয়তার ধারণা নেই, কেবলমাত্র অবশিষ্টাংশগুলি প্রায় সাধারণভাবে বিতরণ করা উচিত। এবং শ্রেণিবদ্ধ ভবিষ্যদ্বাণীগুলি সমস্ত সময় রিগ্রেশনগুলিতে ব্যবহৃত হয় (আর এর অন্তর্নিহিত ফাংশন যা একটি এনওওভা চালায় এটি লিনিয়ার রিগ্রেশন কমান্ড)।

অনুমানগুলি পরীক্ষা করার বিষয়ে বিশদ জানতে পিনহিরো এবং বেটস বইটি দেখুন (পৃষ্ঠা 174, বিভাগ 4.3.1)। এছাড়াও, আপনি যদি lme4 (যা বইটি চারপাশে লেখা হয় না) ব্যবহার করার পরিকল্পনা করেন তবে আপনি তাদের প্লটগুলি একটি lmerমডেল ( ?plot.merMod) দিয়ে প্লট ব্যবহার করে প্রতিলিপি করতে পারেন ।

স্বাভাবিকতা দ্রুত পরীক্ষা করার জন্য এটি ঠিক হবে qqnorm(resid(myModel))।

Comments

আপনার মন্তব্যের জন্য ধন্যবাদ. আপনি lme4 পদ্ধতিতে lmer ব্যবহার করার পরামর্শ দিচ্ছেন? এবং আমি কি প্রতিক্রিয়া ভেরিয়েবলটি বুঝতে সাধারণভাবে বিতরণ করার প্রয়োজন নেই? আমি পিনহিরো এবং বেটস বইয়ের মাধ্যমে একটি সঠিক পাঠ করব।

— ক্রেজজো

এছাড়াও, আপনি কি একাধিক কারণের সাথে মিশ্র মডেলটিতে কিউকিউনরম (রেসিড (মাইমোডেল)) চালানোর বিষয়ে নিশ্চিত?

— crazjo

আরও নতুন লেমার ফাংশনে আরও ক্ষমতা এবং উচ্চতর কর্মক্ষমতা রয়েছে। আপনি কি কি কিউএনআরএম চেষ্টা করেছেন? কীভাবে এটি পড়তে হবে বইয়ের শুরুতে পরামর্শটি অনুসরণ করুন।

— জন

আমি যে প্লটটি প্রাথমিকভাবে দেখেছিলাম তা অদ্ভুত বলে মনে হয়েছিল, সম্ভবত আমার কাছে লেমারের নতুনতম সংস্করণ নেই। এটি লক্ষ করার জন্য ধন্যবাদ, এটি এখন প্রয়োজনীয় হিসাবে কাজ করে।

— ক্রেজজো

Answer 3

প্রশ্নোত্তর সম্পর্কে:

পিনহিরো এবং বেটসের বই অনুসারে আপনি নিম্নলিখিত পদ্ধতিটি ব্যবহার করতে পারেন:

" lmeফাংশনটি weightsআর্গুমেন্টের মাধ্যমে অভ্যন্তরীণ-ত্রুটি গোষ্ঠীর ভিন্ন ভিন্ন বৈশিষ্ট্যের মডেলিংয়ের মঞ্জুরি দেয় This 5.2 ডলারে এই বিষয়টি বিস্তারিতভাবে কভার করা হবে, তবে আপাতত, এটি জানা যথেষ্ট যে varIdentভেরিয়েন্স ফাংশন কাঠামোর প্রতিটি স্তরের জন্য বিভিন্ন রূপের অনুমতি দেয় একটি ফ্যাক্টর এবং হেটেরোসেসটেস্টিক মডেল ফিট করতে ব্যবহার করা যেতে পারে [...] "

পিনহিরো এবং বেটস, পি। 177

আপনি যদি নিজের মধ্যে সমান বৈচিত্রগুলি পরীক্ষা করতে চান তবে sexএই পদ্ধতির ব্যবহার করতে পারেন:

plot( lm.base2, resid(., type = "p") ~ fitted(.) | sex,
  id = 0.05, adj = -0.3 )

যদি রূপগুলি পৃথক হয় তবে আপনি নিম্নরূপে আপনার মডেলটি আপডেট করতে পারেন:

lm.base2u <- update( lm.base2, weights = varIdent(form = ~ 1 | sex) )
summary(lm.base2u)

আরও আরও, আপনার robustlmmপ্যাকেজটি দেখে নিতে পারেন যা একটি ওজনযুক্ত পদ্ধতির ব্যবহার করে। এই ধারণাটি সম্পর্কে কোলারের পিএইচডি থিসিসটি উন্মুক্ত অ্যাক্সেস হিসাবে উপলব্ধ ("লিনিয়ার মিশ্রিত মডেলগুলির দৃ Rob় অনুমান")। বিমূর্ততা বলে:

"একটি নতুন স্কেল অনুমান, ডিজাইন অ্যাডাপটিভ স্কেল প্রাক্কলন, পরবর্তী শক্তিশালী পরীক্ষার জন্য একটি শক্ত ভিত্তি সরবরাহ করার লক্ষ্য নিয়ে তৈরি করা হয়েছে It এটি অবশিষ্টাংশগুলির প্রাকৃতিক ভিন্ন ভিন্নতার সমান করে এবং স্কেল নিজেই শক্তিশালী অনুমানের সমীকরণের জন্য সামঞ্জস্য করে "এই নকশা অভিযোজিত সংশোধনগুলি ছোট নমুনা সেটিংসে অত্যন্ত গুরুত্বপূর্ণ, যেখানে পর্যবেক্ষণের সংখ্যাটি কেবলমাত্র প্যারামিটারের সংখ্যার চেয়ে কম বা তার চেয়ে কম হতে পারে" "

---

---

মন্তব্যের জন্য আমার কাছে পর্যাপ্ত পয়েন্ট নেই। আমি যাইহোক, উপরের জন এর জবাবের কিছু দিক পরিষ্কার করার প্রয়োজনীয়তাটি দেখতে পাচ্ছি। পিনহিরো এবং বেটস রাজ্যে পি। 174:

অনুমান 1 - গোষ্ঠীগুলির মধ্যে ত্রুটিগুলি स्वतंत्र এবং অভিন্নভাবে সাধারণত বিতরণ করা হয়, যার অর্থ শূন্য এবং বৈচিত্র σ2, এবং এগুলি এলোমেলো ই-এ্যাক্টস থেকে পৃথক।

এই বিবৃতিটি প্রকৃতপক্ষে সমজাতীয় রূপগুলি সম্পর্কে পরিষ্কার নয় এবং আমি এলএমই ধারণার পিছনে সমস্ত গণিতগুলি জানার জন্য পরিসংখ্যানগুলির মধ্যে এত গভীর নই। তবে, পি। 175, §4.3.1, বিভাগটি তারা লেখার অনুমান 1 নিয়ে কাজ করে:

এই বিভাগে, আমরা অনুমানের মূল্যায়ন করার পদ্ধতিগুলিতে মনোনিবেশ করি যে গ্রুপ-এর ত্রুটিগুলি সাধারণত বিতরণ করা হয়, শূন্যকে কেন্দ্র করে হয় এবং ধ্রুব বৈকল্পিকতা থাকে ।

এছাড়াও, নিম্নলিখিত উদাহরণগুলিতে " ধ্রুবক রূপগুলি " সত্যই গুরুত্বপূর্ণ। সুতরাং, কেউ অনুমান করতে পারে যে তারা যখন পি তে " অভিন্নভাবে বিতরণ করা" লেখেন তখন তারা একজাতীয় রূপগুলি বোঝায় কিনা । 174 এটিকে আরও সরাসরি সম্বোধন না করে।

Answer 4

প্রশ্ন 1: হ্যাঁ, কেন না?

প্রশ্ন 2: আমি মনে করি প্রয়োজনীয়তাটি হ'ল ত্রুটিগুলি সাধারণত বিতরণ করা হয়।

Q3: উদাহরণস্বরূপ লেভেনের পরীক্ষা দিয়ে পরীক্ষা করা যেতে পারে।