Preguntas etiquetadas con mixed-model

11
R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por...

r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa
11
Modelo de intercepción aleatoria vs. GEE

Considere un modelo lineal de intercepción aleatoria. Esto es equivalente a la regresión lineal de GEE con una matriz de correlación de trabajo intercambiable. Suponga que los predictores son y y los coeficientes para estos predictores son , y . ¿Cuál es la interpretación de los coeficientes en el...

mixed-model
10
¿Cómo debo modelar las interacciones entre variables explicativas cuando una de ellas puede tener términos cuadráticos y cúbicos?

Sinceramente espero haber formulado esta pregunta de tal manera que pueda responderse definitivamente; si no, ¡hágamelo saber y volveré a intentarlo! También debería adivinar que utilizaré R para estos análisis. Tengo varias medidas de las plant performance (Ys)que sospecho que fueron...

hypothesis-testing mixed-model interaction nonlinear regression-strategies
10
Matrices de modelos para modelos de efectos mixtos

En la lmerfunción dentro lme4de Rhay una llamada para la construcción de una matriz de modelo de efectos aleatorios, , como se explica aquí , páginas 7 - 9.ZZZ El cálculo de implica productos de KhatriRao y / o Kronecker de dos matrices, y . ZZZJyoJyoJ_iXyoXyoX_i La matriz es un bocado: "matriz...

r mixed-model lme4-nlme matrix
10
¿Por qué Anova () y drop1 () proporcionaron diferentes respuestas para GLMM?

Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos...

r anova glmm r mixed-model bootstrap sample-size cross-validation roc auc sampling stratification random-allocation logistic stata interpretation proportion r regression multiple-regression linear-model lm r cross-validation cart rpart logistic generalized-linear-model econometrics experiment-design causality instrumental-variables random-allocation predictive-models data-mining estimation contingency-tables epidemiology standard-deviation mean ancova psychology statistical-significance cross-validation synthetic-data poisson-distribution negative-binomial bioinformatics sequence-analysis distributions binomial classification k-means distance unsupervised-learning euclidean correlation chi-squared spearman-rho forecasting excel exponential-smoothing binomial sample-size r change-point wilcoxon-signed-rank ranks clustering matlab covariance covariance-matrix normal-distribution simulation random-generation bivariate standardization confounding z-statistic forecasting arima minitab poisson-distribution negative-binomial poisson-regression overdispersion probability self-study markov-process estimation maximum-likelihood classification pca group-differences chi-squared survival missing-data contingency-tables anova proportion
10
Idea modelo mixta y método bayesiano

En el modelo mixto, suponemos que los efectos aleatorios (parámetros) son variables aleatorias que siguen distribuciones normales. Se ve muy similar al método bayesiano, en el que se supone que todos los parámetros son aleatorios. Entonces, ¿es el modelo de efectos aleatorios un tipo de caso...

bayesian mixed-model