GLMM düğümü

Bu düğüm, genelleştirilmiş bir doğrusal karma model (GLMM) yaratır.

Genelleştirilmiş doğrusal karma modeller, basit doğrusal regresyondan, normal olmayan boylamsal veriler için karmaşık çok düzeyli modellere kadar çok çeşitli modelleri kapsamaya devam eder.

Örnekler. Bölge okul yönetim kurulu, bir deneysel öğretim yönteminin matematik puanlarını iyileştirerek etkili olup olmadığını belirlemek için genelleştirilmiş bir doğrusal karma model kullanabilir. Aynı sınıftaki öğrenciler aynı öğretmen tarafından öğretildiğinden beri ilintili olmalıdır, aynı okul içindeki sınıflar da ilintili olabilir, bu nedenle farklı değişkenlik kaynakları için okul ve sınıf seviyelerinde rastgele efektler de içerebiliriz.

Tıbbi araştırmacılar yeni bir doğrusal karma modeli kullanarak yeni bir antikonvülsant ilacın hastanın epileptik nöbet oranını azaltıp azaltmayacağını belirleyebilirler. Aynı hastadan gelen tekrarlanan ölçümler, tipik olarak olumlu ilintili olan karma bir modelin uygun olması gerektiği gibi olumlu bir şekilde ilintili. Hedef alan-nöbet sayısı-pozitif tamsayı değerleri alır, dolayısıyla Poisson dağılımı ve günlük bağlantısı olan genelleştirilmiş bir doğrusal karma model uygun olabilir.

televizyon, telefon ve internet servislerinin bir kablo sağlayıcısındaki yöneticiler potansiyel müşteriler hakkında daha fazla bilgi edinmek için genelleştirilmiş bir doğrusal karma modeli kullanabilir. Olası yanıtlar nominal ölçüm düzeylerine sahip olduğundan, şirket analisti belirli bir anket yanıtlayıcısı yanıtları içinde hizmet türlerinde (tv, telefon, internet) hizmet kullanım sorularına yanıtlar arasında korelasyon yakalamak için rasgele bir engelle karışık bir logit karma modeli kullanır.

Veri yapısı seçenekleri, düğüm özelliklerinde, gözlemler ilintili olduğunda veri küğinizdeki kayıtlar arasındaki yapısal ilişkileri belirtmenize olanak tanır. Veri kümesindeki kayıtlar bağımsız gözlemlemeleri gösteriyorsa, herhangi bir veri yapısı seçeneği belirtmenize gerek olmaz.

Konular. Belirtilen kategorik alanların değerlerinin birleşimi, veri kümesinin içindeki konuları benzersiz olarak tanımlamalıdır. Örneğin, tek bir hastanedeki konuları tanımlamak için tek bir Patient ID alanı yeterli olmalıdır, ancak hastanelerde hasta kimlik numaraları benzersiz değilse, Hospital ID ve Patient ID birleşimi gerekli olabilir. Yinelenen bir ölçüm ayarında, her bir konu için birden çok gözlemler kaydedilir, bu nedenle her konu veri kümesinde birden çok kaydı kaplayabilir.

Konu , diğer konulardan bağımsız olarak kabul edilebilen bir gözlemsel birimdir. örneğin, bir tıbbi çalışmada bir hastadan gelen kan basıncı okumaları diğer hastalardan gelen okumaların bağımsız olarak kabul edilebiliyor. Konu başına tekrarlanan ölçümler olduğunda ve bu gözlemler arasındaki ilintiyi modellemek istiyorsanız, konuları tanımlama özellikle önemli hale gelir. Örneğin, arka arkaya yapılan ziyaretlerde tek bir hastadan kan basıncı okumalarının doktorla ilintili olduğunu tahmin edebilirsiniz.

Düğüm özelliklerindeki konular olarak belirtilen alanların tümü, yeniden ikili kovaryans yapısına ilişkin konuları tanımlamak ve Rasgele Etki Bloğu üzerindeki rasgele etkiler kovaryansı yapılarına ilişkin konuları tanımlamak için kullanılabilecek alanların listesini sağlamak üzere kullanılır.

Yinelenen ölçümler. Burada belirtilen alanlar, yinelenen gözlemleri tanımlamak için kullanılır. Örneğin, tek bir değişken Week , bir tıbbi çalışmada 10 haftalık gözlemleri tanımlayabilir ya da Month ve Day , bir yıl boyunca günlük gözlemleri tanımlamak için birlikte kullanılabilir.

Kovaryans gruplarını göre tanımla. Burada belirtilen kategorik alanlar, yinelenen efektler kovaryans parametrelerinin bağımsız kümelerini tanımlar; gruplama alanlarının çapraz sınıflandırması tarafından tanımlanan her kategori için bir tane. Tüm denekler aynı kovaryans tipine sahiptir ve aynı kovaryans gruplaması içindeki denekler, parametreler için aynı değerlere sahip olacaktır.

Uzaysal kovaryans koordinatları. Bu listedeki değişkenler, uzamsal kovaryans tiplerinden biri yinelenen kovaryans tipi için seçildiğinde yinelenen gözlemlerin koordinatlarını belirtir.

Yinelenen kovaryans tipi. Bu, artıklar için kovaryans yapısını belirtir. Kullanılabilir yapılar şunlardır:

• Birinci sıra otomatik regresyon (AR1)
• Otomatik regressive hareketli ortalaması (1, 1) (ARMA11)
• Bileşik simetri
• Çapraz
• Ölçeklenen kimlik
• Uzamsal: Güç
• Uzamsal: Üstel
• Uzamsal: Gauss
• Uzamsal: Doğrusal
• Uzamsal: Doğrusal-günlük
• Spatial: Sherical
• Toeplitz
• Yapılandırılmamış
• Sapma bileşenleri