glmmnode プロパティ

GLMM ノード・アイコン一般化線形混合モデル（GLMM）は、対象が非正規分布を持ち、指定されたリンク関数を通じて因子および共変量と線形関係を持ち、観測値が相関を持つことができるように、線形モデルを拡張したものです。 GLMMモデルは、単純な線形回帰から非正規の経時データに対する複雑なマルチレベルモデルまで、幅広いモデルをカバーしています。

表 1. glmmnode プロパティー
`glmmnode` プロパティ－	値	プロパティーの説明
`residual_subject_spec`	構造化	データセット内の主題を唯一定義する、指定されたカテゴリフィールドの値の組み合わせ
`repeated_measures`	構造化	繰り返し観測を識別するために使用されるフィールド。
`residual_group_spec`	[field1 ... fieldN]	繰り返される効果の独立した集合を定義するフィールド。共分散パラメータ。
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	残差の共分散構造を指定します。
`custom_target`	フラグ	上流ノードで定義されたターゲット（`false` ）を使用するか、 `target_field` （`true` ）で指定されたカスタムターゲットを使用するかを示します。
`target_field`	フィールド	`custom_target` が `true` の場合にターゲットとして使用するフィールド。
`use_trials`	フラグ	目標応答が試験の実施回数である場合に、追加のフィールドまたは試行回数を指定する値を使用するかどうかを示す。デフォルトは `false` です。
`use_field_or_value`	`Field` `Value`	試行回数を指定する際に、フィールド（デフォルト）または値が使用されるかどうかを示します。
`trials_field`	フィールド	試行回数を指定する際に使用するフィールド。
`trials_value`	整数	試行回数を指定する際に使用する値。指定された場合、最小値は1です。
`use_custom_target_reference`	フラグ	カスタム参照カテゴリがカテゴリ別ターゲットに使用されるかどうかを示します。デフォルトは `false` です。
`target_reference_value`	ストリング	`use_custom_target_reference` が `true` の場合に使用する参照カテゴリー。
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	対象の価値観の分布に関する一般的なモデル。 `Custom` を選択して、`target_distribution` が提供するリストから配信を指定します。
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	`dist_link_combination` が `Custom` の場合のターゲット値の分布。
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	対象値を予測値に関連付けるリンク関数。 `target_distribution` が `Binomial` の場合、リストされているリンク関数のいずれかを使用できます。 `target_distribution` が `Multinomial` の場合は、 `CLOGLOG`、 `CAUCHIT`、 `LOGIT`、 `NLOGLOG`、または `PROBIT`を使用できます。 `target_distribution` が `Binomial` または `Multinomial` 以外の場合は、 `IDENTITY`、 `LOG`、または `POWER`を使用できます。
`link_function_param`	番号になります	使用するリンク機能のパラメータ値。 `normal_link_function` または `link_function_type` が `POWER` の場合のみ適用されます。
`use_predefined_inputs`	フラグ	固定効果フィールドが、上流で定義された入力フィールド（`true` ）のものか、 `fixed_effects_list` （`false` ）のものかを指定します。デフォルトは `false` です。
`fixed_effects_list`	構造化	`use_predefined_inputs` が `false` の場合、固定効果フィールドとして使用する入力フィールドを指定します。
`use_intercept`	フラグ	`true` （デフォルト）の場合、モデルにインターセプトを含めます。
`random_effects_list`	構造化	ランダム効果として指定するフィールドのリスト。
`regression_weight_field`	フィールド	解析の重み付けフィールドとして使用するフィールド。
`use_offset`	`Noneoffset_valueoffset_field`	オフセットがどのように指定されているかを示します。 `None` の値は、オフセットが使用されていないことを意味します。
`offset_value`	番号になります	`use_offset` が `offset_value` に設定されている場合のオフセットに使用する値。
`offset_field`	フィールド	`use_offset` が `offset_field` に設定されている場合のオフセット値に使用するフィールド。
`target_category_order`	`AscendingDescendingData`	カテゴリ的ターゲットのソート順。 `Data` の値は、データ内のソート順を使用して指定します。デフォルトは `Ascending` です。
`inputs_category_order`	`AscendingDescendingData`	カテゴリカル予測変数のソート順。 `Data` の値は、データ内のソート順を使用して指定します。デフォルトは `Ascending` です。
`max_iterations`	整数	アルゴリズムが実行する最大反復回数。非負整数。デフォルトは100。
`confidence_level`	整数	モデル係数の区間推定値を計算する際に使用される信頼水準。非負整数。最大値は100、デフォルト値は95。
`degrees_of_freedom_method`	`FixedVaried`	有意性検定における自由度の計算方法を指定します。
`test_fixed_effects_coeffecients`	`ModelRobust`	パラメータ推定共分散行列の計算方法。
`use_p_converge`	フラグ	パラメータ収束オプション。
`p_converge`	番号になります	空白、または任意の正の値。
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	フラグ	対数尤度の収束オプション。
`l_converge`	番号になります	空白、または任意の正の値。
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	フラグ	ヘシアン収束オプション。
`h_converge`	番号になります	空白、または任意の正の値。
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	整数
`sing_tolerance`	番号になります
`use_model_name`	フラグ	モデルにカスタム名を指定する（`true` ）か、システム生成名を使用する（`false` ）かを指定します。デフォルトは `false` です。
`model_name`	ストリング	`use_model_name` が `true` の場合、使用するモデル名を指定します。
`confidence`	`onProbabilityonIncrease`	信頼値算出の根拠：最も高い予測確率、または最も高い予測確率と2番目に高い予測確率の差。
`score_category_probabilities`	フラグ	`true` の場合、カテゴリカルターゲットの予測確率を生成します。デフォルトは `false` です。
`max_categories`	整数	`score_category_probabilities` が `true` の場合、保存するカテゴリーの最大数を指定します。
`score_propensity`	フラグ	`true` の場合、フラグ対象フィールドの傾向スコアを生成し、フィールドの「真」の結果の可能性を示します。
`emeans`	構造化	固定効果リストの各カテゴリフィールドについて、推定限界平均を生成するかどうかを指定します。
`covariance_list`	構造化	固定効果リストの連続フィールドごとに、推定限界平均を計算する際に平均値を使用するか、またはカスタム値を使用するかを指定します。
`mean_scale`	`OriginalTransformed`	推定限界平均値を、ターゲットの元の尺度に基づいて計算する（デフォルト）か、リンク関数変換に基づいて計算するかを指定します。
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	多重比較検定を行う際に使用する調整方法。
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	アレイ	残存主題指定：指定されたカテゴリフィールドの値の組み合わせにより、データセット内の主題が唯一に定義されるべきである。例えば、 1 つの病院内で被験者を定義する場合は、患者 ID フィールドだけで十分ですが、患者の識別番号が複数の病院で重複している場合は、病院 ID フィールドと患者 ID フィールドを組み合わせて使用する必要があります。
`repeated_ui_measures`	アレイ	ここで指定するフィールドは、反復観測値を特定するために使用されます。例えば、週という 1 つの変数を使用して、医学研究において 10 週間の観測値を識別できます。また、月と日を共に使用すると、1 年間にわたって毎日の観測値を識別できます。
`spatial_field`	アレイ	このリストの変数は、反復共分散タイプとして空間共分散タイプの 1 つが選択されたときに、反復測定の座標を指定します。