নেস্টিংয়ের সাথে মিশ্র ইফেক্টস মডেল


34

নিম্নলিখিত হিসাবে সংগঠিত একটি পরীক্ষার থেকে আমার কাছে ডেটা সংগ্রহ করা হয়েছে:

দুটি সাইট, প্রতিটি 30 টি গাছ রয়েছে। 15 চিকিত্সা করা হয়, 15 প্রতিটি সাইটে নিয়ন্ত্রণ। প্রতিটি গাছ থেকে আমরা কান্ডের তিনটি টুকরো এবং শিকড়ের তিনটি টুকরো নমুনা করি, তাই গাছ প্রতি 6 স্তর 1 নমুনা যা দুটি ফ্যাক্টর স্তরের (মূল, কান্ড) দ্বারা প্রতিনিধিত্ব করে। তারপরে, স্টেম / মূলের নমুনাগুলি থেকে, আমরা নমুনার মধ্যে বিভিন্ন টিস্যু বিচ্ছিন্ন করে দুটি নমুনা গ্রহণ করি, যা টিস্যু টাইপের (টিস্যু টাইপ এ, টিস্যু টাইপ বি) জন্য দুটি ফ্যাক্টর স্তরগুলির মধ্যে একটি দ্বারা প্রতিনিধিত্ব করা হয়। এই নমুনাগুলি অবিচ্ছিন্ন পরিবর্তনশীল হিসাবে পরিমাপ করা হয়। মোট পর্যবেক্ষণের সংখ্যা 720; 2 সাইট * 30 টি গাছ * (তিনটি স্টেম নমুনা + তিনটি মূল নমুনা) * (একটি টিস্যু একটি নমুনা + একটি টিস্যু বি নমুনা)। ডেটা দেখে মনে হচ্ছে ...

        ï..Site Tree Treatment Organ Sample Tissue Total_Length
    1        L  LT1         T     R      1 Phloem           30
    2        L  LT1         T     R      1  Xylem           28
    3        L  LT1         T     R      2 Phloem           46
    4        L  LT1         T     R      2  Xylem           38
    5        L  LT1         T     R      3 Phloem          103
    6        L  LT1         T     R      3  Xylem           53
    7        L  LT1         T     S      1 Phloem           29
    8        L  LT1         T     S      1  Xylem           21
    9        L  LT1         T     S      2 Phloem           56
    10       L  LT1         T     S      2  Xylem           49
    11       L  LT1         T     S      3 Phloem           41
    12       L  LT1         T     S      3  Xylem           30

আমি আর এবং এলএম 4 ব্যবহার করে একটি মিশ্র প্রভাবগুলির মডেলটি ফিট করার চেষ্টা করছি, তবে মিশ্র মডেলগুলিতে নতুন। আমি চিকিত্সা + স্তর 1 ফ্যাক্টর (স্টেম, মূল) + স্তর 2 ফ্যাক্টর (টিস্যু এ, টিস্যু বি) হিসাবে দুটি স্তরের অভ্যন্তরে নির্দিষ্ট নমুনাগুলির জন্য এলোমেলো প্রভাব সহ মডেল করতে চাই।

আর তে, আমি নীচে লিমার ব্যবহার করে এটি করছি

fit <- lmer(Response ~ Treatment + Organ + Tissue + (1|Tree/Organ/Sample)) 

আমার বোঝাপড়া থেকে (... যা নির্দিষ্ট নয়, এবং কেন আমি পোস্ট করছি!) শব্দটি:

(1|Tree/Organ/Sample)

নির্দিষ্ট করে যে 'নমুনা' অঙ্গে নমুনাগুলির মধ্যে বাসা বেঁধেছে যা গাছের মধ্যেই বাসা বাঁধে। এই ধরণের বাসা কি প্রাসঙ্গিক / বৈধ? দুঃখিত, যদি এই প্রশ্নটি পরিষ্কার না হয়, তা হলে, দয়া করে নির্দিষ্ট করুন যেখানে আমি বিস্তারিত বলতে পারি।

উত্তর:


33

আমি মনে করি এটি সঠিক।

  • (1|Tree/Organ/Sample)/ এর সমতুল্য প্রসারিত হয় (1|Tree)+(1|Tree:Organ)+(1|Tree:Organ:Sample)(যেখানে :একটি ইন্টারঅ্যাকশন বোঝায়)।
  • স্থির কারণগুলি Treatment, Organএবং Tissueস্বয়ংক্রিয়ভাবে সঠিক স্তরে পরিচালিত হবে।
  • আপনার সম্ভবত Siteএকটি স্থির প্রভাব হিসাবে অন্তর্ভুক্ত করা উচিত (ধারণাটি এটি একটি এলোমেলো প্রভাব, তবে কেবলমাত্র দুটি সাইটের সাথে সাইটের ভেরিয়েন্সটি অনুমান করার চেষ্টা করা বাস্তব নয়); এটি গাছের মধ্যে কিছুটা হ্রাস পাবে।
  • আপনার সম্ভবত কোনও ডেটা ফ্রেমের মধ্যে সমস্ত ডেটা অন্তর্ভুক্ত করা উচিত এবং এটিকে lmerএকটি data=my.data.frameযুক্তির মাধ্যমে স্পষ্টভাবে প্রেরণ করা উচিত ।

আপনি গ্ল্যাম এফএকিউ সহায়ক বলে মনে করতে পারেন (এটি জিএলএমএমগুলিতে ফোকাস করা তবে লিনিয়ার মিশ্রিত মডেলগুলির সাথে প্রাসঙ্গিক স্টাফও রয়েছে)।


যদি এরিক এই বাধাগুলির জন্য কোনও সমবায় কাঠামো নির্দিষ্ট করতে চান? উদাহরণস্বরূপ, কেউ ইতিবাচক বৃক্ষ বিরতি সহ একটি নমুনা আশা করতে পারে একটি ইতিবাচক অঙ্গরুদ্ধি থাকতে পারে। বাসা কী স্বয়ংক্রিয়ভাবে এই সমস্যার যত্ন নেয়? যদি তা না হয় তবে কীভাবে এইরকম কাঠামো নির্দিষ্ট করা যায়?
শেরিডান গ্রান্ট

আমি মনে করি আপনি যদি এই ক্ষেত্রে সমীকরণগুলি লেখার চেষ্টা করেন তবে আপনি খুঁজে পাবেন যে এটির যত্ন নেওয়া হয়েছে।
বেন বলকার

13

আমি এই প্রশ্নটি এবং ডঃ বলকারের উত্তরটি পড়েছি, এবং জৈবিক পদার্থ বা ইউনিটগুলিতে "দৈর্ঘ্য" কী উপস্থাপন করে তা সম্পর্কে খুব বেশি যত্নশীল নয়, খোলামেলাভাবে তথ্য প্রতিলিপি করার চেষ্টা করেছি এবং তারপরে উপরের মতো মডেলটিকে ফিট করছি I'm আমি ফলাফলগুলি এখানে পোস্ট করছি ভুল বোঝাবুঝির সম্ভাব্য উপস্থিতি হিসাবে ভাগ করে নেওয়ার জন্য প্রতিক্রিয়া জানাতে।

আমি এই কাল্পনিক ডেটা উত্পন্ন করতে যে কোডটি ব্যবহার করেছি তা এখানে পাওয়া যাবে এবং ডেটা সেটটিতে ওপির অভ্যন্তরীণ কাঠামো রয়েছে:

     site     tree treatment organ sample tissue    length
1    L       LT01         T  root      1  phloem  108.21230
2    L       LT01         T  root      1  xylem   138.54267
3    L       LT01         T  root      2  phloem   68.88804
4    L       LT01         T  root      2  xylem   107.91239
5    L       LT01         T  root      3  phloem   96.78523
6    L       LT01         T  root      3  xylem    88.93194
7    L       LT01         T  stem      1  phloem  101.84103
8    L       LT01         T  stem      1  xylem   118.30319

কাঠামোটি নিম্নরূপ:

 'data.frame':  360 obs. of  7 variables:
     $ site     : Factor w/ 2 levels "L","R": 1 1 1 1 1 1 1 1 1 1 ...
 $ tree     : Factor w/ 30 levels "LT01","LT02",..: 1 1 1 1 1 1 1 1 1 1 ...
     $ treatment: Factor w/ 2 levels "C","T": 2 2 2 2 2 2 2 2 2 2 ...
 $ organ    : Factor w/ 2 levels "root","stem": 1 1 1 1 1 1 2 2 2 2 ...
     $ sample   : num  1 1 2 2 3 3 1 1 2 2 ...
 $ tissue   : Factor w/ 2 levels "phloem","xylem": 1 2 1 2 1 2 1 2 1 2 ...
     $ length   : num  108.2 138.5 68.9 107.9 96.8 ...

ডেটা সেটটি "rigged" ছিল (প্রতিক্রিয়া এখানে স্বাগত জানানো হবে):

  1. কারণ treatment, চিকিত্সা বনাম নিয়ন্ত্রণ ( 100বনাম 70) এর জন্য দুটি স্বতন্ত্র ইন্টারসেপ্টের সাথে একটি স্থির প্রভাব রয়েছে , এবং কোনও এলোমেলো প্রভাব নেই।
  2. আমি ভার্সেস ( বনাম ), এবং এ এর ​​সাথে এলোমেলো প্রভাবগুলির tissueজন্য খুব আলাদা ইন্টারসেপ্টের সাথে বিশিষ্ট স্থির প্রতিক্রিয়াগুলির সাথে মানগুলি সেট করেছি ।phloemxylem36sd = 3
  3. organএন(0,3)sd = 36rootstem
  4. জন্য treeআমরা শুধু একটি সঙ্গে র্যান্ডম প্রভাব sd = 7
  5. জন্য sampleআমি একমাত্র র্যান্ডম প্রভাব সেট আপ করার চেষ্টা sd = 5
  6. শুধুমাত্র জন্য siteএলোমেলো ইফ এর সাথে sd = 3

ভেরিয়েবলগুলির শ্রেণিবদ্ধ প্রকৃতির কারণে কোনও opালু সেট আপ করা হয়নি।

মিশ্র প্রভাবগুলির ফলাফল:

fit <- lmer(length ~ treatment + organ + tissue + (1|tree/organ/sample), data = trees) 

ছিল:

 Random effects:
 Groups              Name        Variance  Std.Dev. 
 sample:(organ:tree) (Intercept) 9.534e-14 3.088e-07
 organ:tree          (Intercept) 0.000e+00 0.000e+00
 tree                (Intercept) 4.939e+01 7.027e+00
 Residual                        3.603e+02 1.898e+01
Number of obs: 360, groups:  sample:(organ:tree), 180; organ:tree, 60; tree, 30

Fixed effects:
            Estimate Std. Error       df t value Pr(>|t|)    
(Intercept)  79.8623     2.7011  52.5000  29.567  < 2e-16 ***
treatmentT   21.4368     3.2539  28.0000   6.588 3.82e-07 ***
organstem     0.1856     2.0008 328.0000   0.093    0.926    
tissuexylem   3.1820     2.0008 328.0000   1.590    0.113    
---
Signif. codes:  0***0.001**0.01*0.05 ‘.’ 0.1 ‘ ’ 1

এটা কি ভাবে কাজ করে:

  1. জন্য treatmentবিনা চিকিৎসায় পথিমধ্যে ছিল 79.8623(আমি এর একটি গড় সেট আপ 70), এবং চিকিত্সা এটা ছিল 79.8623 + 21.4368 = 101.2991(আমরা একটি গড় সেট আপ 100
  2. জন্য tissueসেখানে একটি ছিল 3.1820এর পথিমধ্যে সৌজন্যে অবদান xylem, এবং আমি মধ্যে একটি পার্থক্য সেট করেছে phloemএবং xylemএর 3। এলোমেলো প্রভাবগুলি মডেলের অংশ ছিল না।
  3. জন্য organ, থেকে নমুনা stemদ্বারা পথিমধ্যে বৃদ্ধি 0.1856- আমি মধ্যে সংশোধন করা হয়েছে প্রভাব মধ্যে কোনো পার্থক্য সেট করেছে stemএবং root। এলোমেলো প্রভাব হিসাবে আমি কী অভিনয় করতে চেয়েছিলাম তার স্ট্যান্ডার্ড বিচ্যুতি প্রতিফলিত হয়নি।
  4. treeএকটি SD সঙ্গে র্যান্ডম প্রভাব 7যেমন চমত্কারভাবে surfaced 7.027
  5. হিসাবে sample, প্রাথমিক sdএর 5যেমন underemphasized ছিল 3.088
  6. site মডেল অংশ ছিল না।

সুতরাং, সামগ্রিকভাবে, দেখে মনে হচ্ছে মডেলটি ডেটার কাঠামোর সাথে মেলে।

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.