Zufällige Effektspezifikation im früheren Mischeffektmodell
8
Was ist der Unterschied zwischen (1|DNA.concentration/mouse.id)und (DNA.concentration|mouse.id)? Was bedeuten die Symbole |und /die Bedeutung der Syntax für den Zufallseffekt?
Was bedeutet das Symbol "|" und "/" Mittelwert im Zufallsfaktor?
Yating Li
@gung Die Frage entspricht nicht den Regeln der Website. Das OP sollte Hintergrundinformationen darüber enthalten, was sie versuchen zu tun. Ich denke jedoch, dass sie nach dem Unterschied in der Syntax zwischen "/" und "|" fragen. Vielleicht sollte der Titel des Beitrags dies widerspiegeln. Wäre das eine berechtigte Frage?
Ich denke nicht, dass die verknüpfte Frage ein richtiges Duplikat ist ... es spricht zu (1|a/b), aber nicht zur Unterscheidung zwischen (1|a/b)und (b|a)...
Ben Bolker
Antworten:
14
Wenn Sie zwei kategoriale Faktoren haben fund gdann (1|f/g)erweitern (1|f) + (1|f:g), dh Variation des Abschnitts (das ist die 1auf der linken Seite des Balkens) zwischen Ebenen von fund zwischen Ebenen von f:g(der Interaktion zwischen fund g). Dies wird auch als zufälliger Effekt von gverschachtelt innerhalb bezeichnetf (Reihenfolge ist hier wichtig). Dies ist die traditionelle Methode, um zwei Zufallsfaktoren in einem klassischen ANOVA-Modell zu kombinieren, da in diesem Rahmen zufällige Effekte verschachtelt werden müssen (dh entweder finnerhalb goder gverschachtelt mit f). (Siehe http://glmm.wikidot.com/faqWeitere Informationen zu verschachtelten Faktoren.) Dieses Modell schätzt zwei Parameter, nämlich und , unabhängig davon, wie viele Ebenen jede kategoriale Variable hat. Es wäre ein typisches Modell für ein verschachteltes Design. σ 2 f : gσ2fσ2f: g
(f|g)fgfglme4 σ 2 g , t σ g , c ⋅ tσ2G, cσ2G, tσG, c ⋅ tfnn ( n + 1 ) / 2
Wenn fes viele Ebenen gibt, kann die letztere (f|g)) Modellspezifikation Modelle mit vielen Parametern implizieren; Es gibt eine laufende Debatte (siehe z. B. dieses ArXiv-Papier ) darüber, wie mit dieser Situation am besten umgegangen werden kann.
Wenn wir stattdessen berücksichtigen, (x|g)wo xsich eine kontinuierliche (numerische) Eingabevariable befindet, gibt der Begriff ein Modell mit zufälligen Steigungen an. Der Achsenabschnitt (implizit) und die Steigung in Bezug auf xbeide variieren über Ebenen von g(ein Kovarianzterm wird ebenfalls angepasst).
In diesem Fall (g|x)wäre dies nicht sinnvoll - der Begriff auf der rechten Seite des Balkens ist eine Gruppierungsvariable und wird immer als kategorisch interpretiert. Der einzige Fall, in dem dies sinnvoll sein könnte, ist ein Entwurf, bei dem xkontinuierlich gearbeitet wurde, auf jeder Ebene jedoch mehrere Beobachtungen gemacht wurden und bei dem Sie ihn xals kategoriale Variable für Modellierungszwecke behandeln wollten .
(1|a/b), aber nicht zur Unterscheidung zwischen(1|a/b)und(b|a)...Antworten:
Wenn Sie zwei kategoriale Faktoren habenσ2f σ2f: g
fundgdann(1|f/g)erweitern(1|f) + (1|f:g), dh Variation des Abschnitts (das ist die1auf der linken Seite des Balkens) zwischen Ebenen vonfund zwischen Ebenen vonf:g(der Interaktion zwischenfundg). Dies wird auch als zufälliger Effekt vongverschachtelt innerhalb bezeichnetf(Reihenfolge ist hier wichtig). Dies ist die traditionelle Methode, um zwei Zufallsfaktoren in einem klassischen ANOVA-Modell zu kombinieren, da in diesem Rahmen zufällige Effekte verschachtelt werden müssen (dh entwederfinnerhalbgodergverschachtelt mitf). (Siehe http://glmm.wikidot.com/faqWeitere Informationen zu verschachtelten Faktoren.) Dieses Modell schätzt zwei Parameter, nämlich und , unabhängig davon, wie viele Ebenen jede kategoriale Variable hat. Es wäre ein typisches Modell für ein verschachteltes Design. σ 2 f : g(f|g)fgfglme4σ 2 g , t σ g , c ⋅ tWenn
fes viele Ebenen gibt, kann die letztere(f|g)) Modellspezifikation Modelle mit vielen Parametern implizieren; Es gibt eine laufende Debatte (siehe z. B. dieses ArXiv-Papier ) darüber, wie mit dieser Situation am besten umgegangen werden kann.Wenn wir stattdessen berücksichtigen,
(x|g)woxsich eine kontinuierliche (numerische) Eingabevariable befindet, gibt der Begriff ein Modell mit zufälligen Steigungen an. Der Achsenabschnitt (implizit) und die Steigung in Bezug aufxbeide variieren über Ebenen vong(ein Kovarianzterm wird ebenfalls angepasst).In diesem Fall
(g|x)wäre dies nicht sinnvoll - der Begriff auf der rechten Seite des Balkens ist eine Gruppierungsvariable und wird immer als kategorisch interpretiert. Der einzige Fall, in dem dies sinnvoll sein könnte, ist ein Entwurf, bei demxkontinuierlich gearbeitet wurde, auf jeder Ebene jedoch mehrere Beobachtungen gemacht wurden und bei dem Sie ihnxals kategoriale Variable für Modellierungszwecke behandeln wollten .quelle