Propriedades de glmmnode

Ícone do nó GLMM Um modelo linear generalizado misto (GLMM) estende o modelo linear para que a resposta possa ter uma distribuição não normal, esteja linearmente relacionada aos fatores e às covariáveis via uma função de ligação especificada e para que as observações possam ser correlacionadas. Os modelos GLMM abrangem uma grande variedade de modelos, desde a regressão linear simples até modelos complexos de multiníveis para dados longitudinais não normais.

Tabela 1. propriedades glmmnode
Propriedades `glmmnode`	Valores	Descrição da propriedade
`residual_subject_spec`	estruturado	A combinação de valores dos campos categóricos especificados que definem exclusivamente assuntos no conjunto de dados
`repeated_measures`	estruturado	Campos utilizados para identificar observações repetidas.
`residual_group_spec`	[field1 ... fieldN]	Campos que definem conjuntos independentes de parâmetros de covariância de efeitos repetidos.
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	Especifica a estrutura de covariâncias para residuais.
`custom_target`	sinalização	Indica se deve usar o destino definido em nó de envio de dados (`false`) ou o destino customizado especificado por `target_field` (`true`).
`target_field`	campo	Campo para usar como destino se `custom_target` for `true`.
`use_trials`	sinalização	Indica se um campo ou um valor adicional que especifica o número de avaliações deve ser utilizado quando a resposta de destino for um número de eventos que ocorrem em um conjunto de avaliações. O padrão é `false`.
`use_field_or_value`	`Field` `Value`	Indica se um campo (padrão) ou um valor é utilizado para especificar o número de avaliações.
`trials_field`	campo	Campo a ser utilizado para especificar o número de avaliações.
`trials_value`	Número inteiro	Valor a ser utilizado para especificar o número de avaliações. Se especificado, o valor mínimo é 1.
`use_custom_target_reference`	sinalização	Indica se a categoria de referência customizada deve ser utilizada para uma variável resposta categórica. O padrão é `false`.
`target_reference_value`	sequência	Categoria de referência para usar se `use_custom_target_reference` for `true`.
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	Modelos comuns para a distribuição de valores para o destino. Escolha `Custom` para especificar uma distribuição da lista fornecida por `target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	Distribuição de valores para destino quando `dist_link_combination` é `Custom`.
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	Função de link para relacionar os valores de destino aos preditores. Se `target_distribution` for `Binomial` você pode usar qualquer das funções de link listado. Se `target_distribution` for `Multinomial` você pode usar `CLOGLOG`, `CAUCHIT`, `LOGIT`, `NLOGLOG`ou `PROBIT`. Se `target_distribution` for qualquer coisa diferente de `Binomial` ou `Multinomial` você pode usar `IDENTITY`, `LOG`ou `POWER`.
`link_function_param`	number	Valor do parâmetro da função de ligação a ser utilizado. Somente aplicável se `normal_link_function` ou `link_function_type` for `POWER`.
`use_predefined_inputs`	sinalização	Indica se os campos de efeito fixo devem ser aqueles definidos como envio de dados como campos de entrada (`true`) ou aqueles de `fixed_effects_list` (`false`). O padrão é `false`.
`fixed_effects_list`	estruturado	Se `use_predefined_inputs` for `false`, especifica os campos de entrada para usar como campos de efeito fixo.
`use_intercept`	sinalização	Se `true` (padrão), inclui o intercepto no modelo.
`random_effects_list`	estruturado	Lista de campos para especificar como efeitos aleatórios.
`regression_weight_field`	campo	Campo a ser utilizado como campo de ponderação da análise.
`use_offset`	`Noneoffset_valueoffset_field`	Indica como o deslocamento for especificado. Valor `None` significa que nenhum deslocamento é usado.
`offset_value`	number	Valor a ser usado para deslocamento se `use_offset` for configurado como `offset_value`.
`offset_field`	campo	Campo para usar para valor de deslocamento se `use_offset` for configurado como `offset_field`.
`target_category_order`	`AscendingDescendingData`	Ordenação de classificação para variáveis resposta categórica. Valor `Data` especifica usando a ordem de classificação localizada nos dados. O patrão é `Ascending`.
`inputs_category_order`	`AscendingDescendingData`	Ordenação de classificação para preditores categóricos. Valor `Data` especifica usando a ordem de classificação localizada nos dados. O patrão é `Ascending`.
`max_iterations`	Número inteiro	Número máximo de iterações que o algoritmo executará. Um número inteiro não negativo; o padrão é 100.
`confidence_level`	Número inteiro	O nível de confiança utilizado para calcular estimativas de intervalo dos coeficientes do modelo. Um número inteiro não negativo; o máximo é 100 e o padrão é 95.
`degrees_of_freedom_method`	`FixedVaried`	Especifica como os graus de liberdade são calculados para teste de significância.
`test_fixed_effects_coeffecients`	`ModelRobust`	Método para calcular a matriz de covariância de estimativa de parâmetro.
`use_p_converge`	sinalização	Opção para a convergência de parâmetro.
`p_converge`	number	Em branco, ou qualquer valor positivo.
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	sinalização	Opção para convergência de log da verossimilhança.
`l_converge`	number	Em branco, ou qualquer valor positivo.
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	sinalização	Opção para convergência da Hessiana.
`h_converge`	number	Em branco, ou qualquer valor positivo.
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	Número inteiro
`sing_tolerance`	number
`use_model_name`	sinalização	Indica se deve especificar um nome customizado para o modelo (`true`) ou para usar o nome gerado pelo sistema (`false`). O padrão é `false`.
`model_name`	sequência	Se `use_model_name` for `true`, especifica o nome do modelo a ser usado.
`confidence`	`onProbabilityonIncrease`	Base para calcular o valor de confiança de escoragem: a probabilidade prevista mais alta ou a diferença entre as probabilidades mais altas e a segunda probabilidade mais alta prevista.
`score_category_probabilities`	sinalização	Se `true`, produz probabilidades previstas para destino categóricos. O patrão é `false`.
`max_categories`	Número inteiro	Se `score_category_probabilities` for `true`, especifica o número máximo de categorias a salvar.
`score_propensity`	sinalização	Se `true`, produz pontuações de propensão para campos de destino de sinalização que indicam probabilidade de resultado "true" para o campo.
`emeans`	estrutura	Para cada campo categórico na lista de efeitos fixos, especifica se deve produzir médias marginais estimadas.
`covariance_list`	estrutura	Para cada campo contínuo da lista de efeitos fixos, especifica se deve ser utilizada a média ou um valor customizado quando calcular médias marginais estimadas.
`mean_scale`	`OriginalTransformed`	Especifica se médias marginais estimadas devem ser calculadas com base na escala original do destino (padrão) ou na transformação da função de ligação.
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	Método de ajuste a ser utilizado ao executar testes de hipótese com diversos contrastes.
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	Matriz	Especificação de assunto de resíduo: a combinação de valores dos campos categóricos especificados deve definir exclusivamente os assuntos dentro do conjunto de dados. Por exemplo, um único campo ID do paciente deve ser suficiente para definir assuntos em um único hospital, mas a combinação de ID do hospital e ID do paciente pode ser necessária se os números de identificação do paciente não forem exclusivos entre os hospitais.
`repeated_ui_measures`	Matriz	Os campos especificados aqui são utilizados para identificar observações repetidas. Por exemplo, uma única variável Semana pode identificar as 10 semanas de observações em um estudo médico, ou Mês e Dia podem ser usados juntos para identificar observações diárias ao longo de um ano.
`spatial_field`	Matriz	As variáveis nesta lista especificam as coordenadas das observações repetidas quando um dos tipos de covariância espacial é selecionado para o tipo de covariância repetida.