glmmnode 属性

GLMM节点图标广义线性混合模型 (GLMM) 扩展了线性模型，使得目标可以有非正态分布，通过指定的连接函数与因子和协变量线性相关，并且观测值可能相关。广义线性混合模型涵盖多种模型，从简单的线性回归到处理非正态纵向数据的复杂多层级模型。

表1. glmmnode属性
`glmmnode` 属性	值	属性描述
`residual_subject_spec`	结构化	这是指定的分类字段的值组合，此组合唯一地定义数据集中的主体。
`repeated_measures`	结构化	这些字段用于标识重复的观测值。
`residual_group_spec`	[field1 ... fieldN]	这是用于定义重复效应协方差参数的独立集合的字段。
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	指定残值的协方差结构。
`custom_target`	标志	指明是使用在上游节点定义的目标 (`false`) 还是由 `target_field` 指定的定制目标 (`true`)。
`target_field`	字段	要用作目标的字段（如果 `custom_target` 为 `true`）。
`use_trials`	标志	指示目标响应是一组试验中发生的众多事件时，是否使用用于指定试验数的附加字段或值。缺省值为 `false`。
`use_field_or_value`	`Field` `Value`	指示是使用字段（缺省）还是值来指定试验数。
`trials_field`	字段	此字段用于指定试验数。
`trials_value`	整数	此值用于指定试验数。如果指定此属性，那么最小值为 1。
`use_custom_target_reference`	标志	指示将定制参考类别用于分类目标。缺省值为 `false`。
`target_reference_value`	string	要使用的参考类别（如果 `use_custom_target_reference` 为 `true`）。
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	目标值的分布的公共模型。选择 `Custom` 可以指定 `target_distribution` 所提供的列表中的分布。
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	当 `dist_link_combination` 为 `Custom` 时目标值的分布。
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	链接函数用于将目标值与预测变量相关联。如果 `target_distribution` 是 `Binomial` ，则可以使用任何列出的链接函数。如果 `target_distribution` 是 `Multinomial` ，你可以使用 `CLOGLOG`、 `CAUCHIT`、 `LOGIT` `NLOGLOG`、或 `PROBIT`。如果 `target_distribution` 不是 `Binomial` 或， `Multinomial` 则可以使用 `IDENTITY`、 `LOG` 或 `POWER`。
`link_function_param`	成员	要使用的关联函数参数值。仅当 `normal_link_function` 或 `link_function_type` 为 `POWER` 时才适用。
`use_predefined_inputs`	标志	指示固定效应字段是将上游定义为输入字段的字段 (`true`) 还是来自 `fixed_effects_list` 的字段 (`false`)。缺省值 `false`。
`fixed_effects_list`	结构化	如果 `use_predefined_inputs` 为 `false`，那么指定将输入字段用作固定效应字段。
`use_intercept`	标志	如果为 `true`（缺省），那么在模型中包括截距。
`random_effects_list`	结构化	作为随机效应指定的字段列表。
`regression_weight_field`	字段	这是用作分析权重字段的字段。
`use_offset`	`Noneoffset_valueoffset_field`	指示如何指定偏移。值 `None` 表示不使用偏移。
`offset_value`	成员	`use_offset` 设置为 `offset_value` 时使用的偏移值。
`offset_field`	字段	`use_offset` 设置为 `offset_field` 时用于偏移值的字段。
`target_category_order`	`AscendingDescendingData`	分类目标的排序顺序。值 `Data` 指定使用数据中的排序顺序。缺省值为 `Ascending`。
`inputs_category_order`	`AscendingDescendingData`	分类预测变量的排序顺序。值 `Data` 指定使用数据中的排序顺序。缺省值为 `Ascending`。
`max_iterations`	整数	此算法要执行的最大迭代次数。非负整数；缺省值为 100。
`confidence_level`	整数	这是用于计算模型系数的区间估计值的置信度级别。非负整数；最大值为 100，缺省值为 95。
`degrees_of_freedom_method`	`FixedVaried`	指定如何计算自由度以进行显著性检验。
`test_fixed_effects_coeffecients`	`ModelRobust`	这是用于计算参数估计协方差矩阵的方法。
`use_p_converge`	标志	用于参数收敛的选项。
`p_converge`	成员	空白或任何正值。
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	标志	用于对数似然收敛的选项。
`l_converge`	成员	空白或任何正值。
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	标志	用于 Hessian 收敛的选项。
`h_converge`	成员	空白或任何正值。
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	整数
`sing_tolerance`	成员
`use_model_name`	标志	指示是为模型指定定制名称 (`true`) 还是使用系统生成的名称 (`false`)。缺省值为 `false`。
`model_name`	string	如果 `use_model_name` 为 `true`，那么指定使用的模型名称。
`confidence`	`onProbabilityonIncrease`	计算评分置信度值的基础：最高预测概率或者最高与次高预测概率之差。
`score_category_probabilities`	标志	如果为 `true`，则为分类目标生成预测概率。缺省值为 `false`。
`max_categories`	整数	如果 `score_category_probabilities` 为 `true`，那么指定保存最大类别数。
`score_propensity`	标志	如果为 `true`，则为标记目标字段生成倾向评分，指示字段结果为“true”的可能性。
`emeans`	结构化	对于固定效应列表中的每个分类字段，指定是否生成估计边际均值。
`covariance_list`	结构化	对于固定效应列表中的每个连续字段，指定计算估计边际均值时是使用均值还是自定义值。
`mean_scale`	`OriginalTransformed`	指定是根据目标的原始尺度（缺省）还是根据关联函数转换来计算估计边际均值。
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	对多个对比执行假设检验时使用的调整方法。
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	ARRAY	残差受试者规范：所指定分类字段的值组合应在数据集内唯一地定义受试者。例如，单个病人标识字段应足以定义一个医院内的主体，但如果病人标识号在各医院间不是唯一，那么需要使用医院标识和病人标识的组合。
`repeated_ui_measures`	ARRAY	此处指定的字段用于识别重复观察。例如，一个单独变量周可识别一个医学研究中 10 周的观察，或者月和日可以共同使用来识别在一整年中每天的观察。
`spatial_field`	ARRAY	如果为重复协方差类型选择了其中一个空间协方差类型，那么该列表中的变量指定重复观测值的坐标。