例 (GENLINMIXED コマンド)

以下の例は、ダイアログの「ターゲット」設定における事前定義された分布とリンク関数の組み合わせに対応しています。

線型モデル(E)

GENLINMIXED
  /FIELDS TARGET=y
  /TARGET_OPTIONS DISTRIBUTION=NORMAL LINK=IDENTITY
  /FIXED EFFECTS=x1 x2 x3.

FIELDS サブコマンドは、ターゲットとして y を指定します。
対象が正規分布を持ち、かつモデル効果に線型関係のある TARGET_OPTIONS サブコマンド。
FIXED サブコマンドは、フィールド x1、 x2を持つ主効果モデルを指定します。および x3。連続型の場合は共変量として扱われ、カテゴリー型の場合は因子として扱われます。

ガンマ回帰(I)

GENLINMIXED
  /FIELDS TARGET=claim_amount ANALYSISWEIGHT=number_of_claims
  /TARGET_OPTIONS DISTRIBUTION=GAMMA LINK=POWER(-1)
  /FIXED EFFECTS=holder_age vehicle_group vehicle_age
  /BUILD_OPTIONS INPUTS_CATEGORY_ORDER=DESCENDING.

このプロシージャーは、主効果として 保持期間、 車両グループ、および 車両の経過時間 を使用して、ターゲット 請求額のモデルに適合します。平均請求金額を計算するために使用されるさまざまな数の請求に対応するために、分析の重み付けとして クレームの数 を指定します。
TARGET_OPTIONS 仕様では、 claim_amount にガンマ分布があることを前提としています。指数として − 1 を持つべき乗リンク関数は、 claim_amount の分布を、定数項を含む予測値の線型結合に関連付けます。
BUILD_OPTIONS サブコマンドは、因子のカテゴリー次数が因子レベルの降順の値であることを指定します。したがって、各カテゴリー・フィールドの最初のカテゴリーが参照カテゴリーとして使用されます。

(ポアソン) 対数線型モデル

GENLINMIXED
  /FIELDS TARGET=damage_incidents OFFSET=log_months_service
  /TARGET_OPTIONS DISTRIBUTION=POISSON LINK=LOG
  /FIXED EFFECTS=type construction operation
  /BUILD_OPTIONS INPUTS_CATEGORY_ORDER=DESCENDING.

このプロシージャーは、主効果として タイプ、構築、および操作を使用して、ターゲット ダマグ・インシデントのモデルに適合します。
TARGET_OPTIONS 仕様では、 damage_cidents にポアソン分布があることを前提としています。ログ・リンク関数は、 damage_incidents の分布を、定数項と log_months_serviceの値と等しいオフセットを含む予測値の線型結合に関連付けます。
BUILD_OPTIONS サブコマンドは、因子のカテゴリー次数が因子レベルの降順の値であることを指定します。したがって、各カテゴリー・フィールドの最初のカテゴリーが参照カテゴリーとして使用されます。

負の二項回帰(V)

GENLINMIXED
  /FIELDS TARGET=damage_incidents OFFSET=log_months_service
  /TARGET_OPTIONS DISTRIBUTION=NEGATIVE_BINOMIAL LINK=LOG
  /FIXED EFFECTS=type construction operation.

負の二項分布は、観測値が過分散した場合にポアソンに代わるものです。つまり、ポアソン分布の平均と分散は同じであるため、データの変動が大きいほど、負の二項分布はより適合する可能性があります。

(公称) 多項ロジスティック回帰

GENLINMIXED
  /FIELDS TARGET=bfast
  /TARGET_OPTIONS DISTRIBUTION=MULTINOMIAL LINK=LOGIT
  /FIXED EFFECTS=agecat gender active.

このプロシージャーは、主効果として アゲカ、性別、および アクティブ を使用する Bfast のモデルに適合します。
TARGET_OPTIONS の指定では、 bfast に (名義) 多項分布があることを前提としています。ロジット・リンク関数は、 bfast の分布を予測値の線型結合 (切片項を含む) に関連付けます。

(順序) 多項ロジスティック回帰 (Multinomial logistic regression)

GENLINMIXED
  /FIELDS TARGET=chist
  /TARGET_OPTIONS DISTRIBUTION=MULTINOMIAL LINK=CLOGLOG
  /FIXED EFFECTS=numcred othnstal housng age duration.

このプロシージャーは、主効果として Numcred、 オサンスタル、 ハウジング、年齢、および期間を使用して、 チスト のモデルに適合します。 Numcred、 オサンスタル、および ハウジング にはカテゴリー型の測定レベルがあるため、因子として扱われます。年齢および期間には連続型 (スケール) の測定レベルがあり、共変量として扱われます。
TARGET_OPTIONS の指定では、 chist に (順序) 多項分布があることを前提としています。 (累積) 補ログ・リンク関数は、 chist の分布を予測値の線型結合に関連付けます。これには、 chist のカテゴリーのしきい値項 (最後のカテゴリーを除く) も含まれます。

二項ロジスティック回帰(Y)

GENLINMIXED
  /FIELDS TARGET=default
  /TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=LOGIT
  /FIXED EFFECTS=age ed employ address income debtinc creddebt othdebt.

このプロシージャーは、主効果として年齢、エド、 雇用する、 アドレス、所得、借方、 信用債務、および OTH債務 を使用する デフォルト のモデルに適合します。
TARGET_OPTIONS 仕様では、 default に 2 項分布があることを前提としています。ロジット・リンク関数は、 デフォルト の分布を、定数項を含む予測値の線型結合に関連付けます。

2 値プロビット・モデル

GENLINMIXED
  /FIELDS TARGET=response TRIALS=nsubj
  /TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=PROBIT
  /FIXED EFFECTS=site value.

このプロシージャーは、主効果としてサイトと値を使用して、応答試行内の NSUJ 応答数のモデルに適合します。
TARGET_OPTIONS 仕様では、 nsubj 内の response が 2 項分布を持つことを前提としています。プロビット・リンク関数は、対象の分布を予測変数の線型結合 (切片項を含む) に関連付けます。

調査された生存推定値間隔(I)

GENLINMIXED
  /FIELDS TARGET=result2
  /TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=CLOGLOG
  /FIXED EFFECTS=duration treatment period age USE_INTERCEPT=FALSE
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=DESCENDING INPUTS_CATEGORY_ORDER=DESCENDING.

このプロシージャーは、主効果として期間、処置、期間、および年齢を使用して、ターゲット result2のモデルに適合します。
BUILD_OPTIONS サブコマンドは、対象およびすべての因子のカテゴリー順序が因子レベルの降順の値であることを指定します。したがって、各カテゴリー・フィールドの最初のカテゴリーが参照カテゴリーとして使用されます。
TARGET_OPTIONS 仕様では、 result2 が 2 項分布であることを前提としています。補ログ・マイナス・ログ・リンク関数は、 result2 の確率を、定数項を除く予測値の線型結合に関連付けます。

線型混合モデル

GENLINMIXED
  /DATA_STRUCTURE SUBJECTS=school*classroom*student_id
  /FIELDS TARGET=posttest TRIALS=NONE OFFSET=NONE
  /TARGET_OPTIONS DISTRIBUTION=NORMAL LINK=IDENTITY
  /FIXED  EFFECTS=school_setting school_type teaching_method n_student 
    gender lunch pretest 
    USE_INTERCEPT=TRUE
  /RANDOM USE_INTERCEPT=TRUE SUBJECTS=school 
    COVARIANCE_TYPE=VARIANCE_COMPONENTS 
  /RANDOM USE_INTERCEPT=TRUE SUBJECTS=school*classroom 
    COVARIANCE_TYPE=VARIANCE_COMPONENTS 
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=ASCENDING 
    INPUTS_CATEGORY_ORDER=ASCENDING MAX_ITERATIONS=100 
    CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=MODEL
  /EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.

データ構造サブコマンドは、被験者が学校、教室、および スチューデント IDによって定義されることを指定します。
フィールドサブコマンドとターゲット・オプションサブコマンドは、検定スコアに適合する正規分布を使用して ポストテスト のモデルを作成し、対象を予測変数の線型結合に関連付けるための同一リンクを作成することを指定します。
修正済みサブコマンドは、主効果として 学校設定、 学校タイプ、 指導方法、 N_Student、性別、昼食、および 事前テスト を使用してモデルを高速化します。
最初の RANDOM (ランダム) サブコマンドは、サブジェクト・フィールドとして学校を持つ切片のみのランダム効果ブロックを指定します。これは、同じ学校内の教室間の相関関係を考慮する必要があります。
2 番目の RANDOM (ランダム) サブコマンドは、サブジェクト・フィールドとして 学校 * 教室 を持つ切片のみのランダム効果ブロックを指定します。これは、同じ教室内の生徒同士の相関関係を考慮する必要があります。
他のすべてのオプションは、デフォルト値に設定されます。

この構文からの出力について、および例をコンテキストに配置する方法については、「テスト・スコアの分析」を参照してください。

ポアソン対数線型混合モデル

GENLINMIXED
  /DATA_STRUCTURE SUBJECTS=patient_id
  /FIELDS TARGET=convulsions TRIALS=NONE OFFSET=NONE
  /TARGET_OPTIONS DISTRIBUTION=POISSON LINK=LOG
  /FIXED  EFFECTS=after_t treatment*after_t USE_INTERCEPT=TRUE
  /RANDOM EFFECTS=after_t USE_INTERCEPT=TRUE 
    SUBJECTS=patient_id COVARIANCE_TYPE=UNSTRUCTURED 
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=ASCENDING 
    INPUTS_CATEGORY_ORDER=ASCENDING MAX_ITERATIONS=100 
    CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=MODEL
  /EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.

データ構造サブコマンドは、被験者が 患者 IDによって定義されることを指定します。
フィールドサブコマンドとターゲット・オプションサブコマンドは、この手続きがポワソン分布を使用して痙攣のモデルを作成し、けいれんの数に適合させ、対象を予測変数の線型結合に関連付けるための対数リンクを作成することを指定します。
修正済みサブコマンドは、効果として 後 _t と 治療 *after_t を持つモデルを指定します。
RANDOM (ランダム) サブコマンドは、 後 _t を指定し、 患者 ID を被験者フィールドとする変量効果ブロックの効果として切片を指定します。これは、同じ患者の繰り返しの観察の間の相関関係を考慮する必要があります。
他のすべてのオプションは、デフォルト値に設定されます。

この構文からの出力について、およびこの例をコンテキストに配置する方法については、臨床試験における治療効果の判別を参照してください。

多項ロジスティック混合モデル

GENLINMIXED
  /DATA_STRUCTURE SUBJECTS=customer_id
  /FIELDS TARGET=service_usage TRIALS=NONE OFFSET=NONE
  /TARGET_OPTIONS DISTRIBUTION=MULTINOMIAL LINK=LOGIT
  /FIXED  EFFECTS=edcat inccat reside service_type 
    USE_INTERCEPT=TRUE
  /RANDOM USE_INTERCEPT=TRUE SUBJECTS=customer_id 
    COVARIANCE_TYPE=VARIANCE_COMPONENTS 
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=ASCENDING 
    INPUTS_CATEGORY_ORDER=ASCENDING MAX_ITERATIONS=100 
    CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=MODEL
  /EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.

データ構造サブコマンドは、被験者が 顧客 IDによって定義されることを指定します。
フィールドサブコマンドとターゲット・オプションサブコマンドは、多項分布とロジット・リンクを使用して サービス使用量 のモデルを作成し、対象を予測値の線型結合に関連付けることを指定します。
修正済みサブコマンドは、主効果として エドキャット、 インキャット、常駐、および サービス・タイプ を持つモデルを指定します。
RANDOM (ランダム) サブコマンドは、サブジェクト・フィールドとして 顧客 ID を持つ切片のみのランダム効果ブロックを指定します。これは、特定のサーベイ回答者の回答内のサービス・タイプ (テレビ、電話、インターネット) 全体のサービス使用に関する質問に対する回答間の相関関係を考慮する必要があります。
他のすべてのオプションは、デフォルト値に設定されます。

この構文からの出力について、およびこの例をコンテキストに配置する方法については、ケーブルのお客様のプロファイル作成を参照してください。