タグ付けされた質問 「nested-data」

階層/マルチレベルモデルに関する文献では、「ネストされたモデル」と「ネストされていないモデル」についてよく読んでいますが、これはどういう意味ですか？誰かが私にいくつかの例を与えるか、このフレージングの数学的な意味について教えてもらえますか？

61 hypothesis-testing  terminology  nested-models  nested-data 

次のように編成された実験から収集されたデータがあります。 それぞれが30本のツリーを持つ2つのサイト。15が処理され、15が各サイトのコントロールです。各ツリーから、ステムの3つの部分とルートの3つの部分をサンプリングします。したがって、2つの因子レベル（ルート、ステム）のいずれかで表されるツリーごとに6つのレベル1のサンプルです。次に、それらのステム/ルートサンプルから、サンプル内の異なる組織を解剖することで2つのサンプルを取得します。これは、組織タイプ（組織タイプA、組織タイプB）の2つの因子レベルの1つで表されます。これらのサンプルは、連続変数として測定されます。観測の総数は720です。2つのサイト* 30本の木*（3つの幹サンプル+ 3つのルートサンプル）*（1つの組織Aサンプル+ 1つの組織Bサンプル）。データは次のようになります... ï..Site Tree Treatment Organ Sample Tissue Total_Length 1 L LT1 T R 1 Phloem 30 2 L LT1 T R 1 Xylem 28 3 L LT1 T R 2 Phloem 46 4 L LT1 T R 2 Xylem 38 5 L LT1 T R 3 …

34 r  mixed-model  model  nested-data  lme4-nlme 

変数と変数responseについて条件付きで記述したい変数があり、ネストされた変数が説明変数の特定の値の意味のある変数としてのみ発生する統計的な問題について考えます。説明変数が意味のあるネストされた変数を許可しない場合、後者は通常、データセットのようにコーディングされるか、値でコーディングされている場合、その値は意味のある解釈のない単なるプレースホルダーです。explanatorynestedNA この状況は、モノの存在を示す説明変数と、そのモノの特性を説明する1つ以上のネストされた変数がある場合に必ず発生します。統計的な問題におけるこの種の状況のいくつかの例は次のとおりです。 説明変数は、調査の参加者がであるかどうかの指標でmarriedあり、ネストされた変数は一部ですcharacteristic of the spouse（例：教育、年齢など）。 説明変数はpresence of an itemスペース内ののインジケーターであり、ネストされた変数はいくつかのcharacteristic of the itemサイズ（たとえば、サイズ、距離など）です。 説明変数はの発生のインジケーターでeventあり、ネストされた変数はいくつかの説明ですcharacteristic of the event（たとえば、期間、大きさなど）。 このような状況では、応答変数と他の変数との関係を記述する回帰型モデル（GLM、GLMMなどを含む広い意味で）を構築することがよくあります。このタイプのモデルでネストされた変数の処理方法は明らかではありません。 質問：nestedこのタイプのモデルで変数をどのように処理しますか？ 注：この質問は、回帰のネストされた変数に関するCV.SEで繰り返し発生する質問に対する一般化された回答を提供することを目的としています（たとえば、ここ、ここ、ここ、およびここを参照）。この質問は、この問題の一般化されたコンテキストに依存しない例を示すことを目的としています。

11 regression  generalized-linear-model  glmm  nested-data 

私は混合モデリングに不慣れで、私が行っている分析でランダム効果を使用することが適切かどうかについて混乱しています。任意のアドバイスをいただければ幸いです。 私の研究は、新しく開発された哺乳類の存在量の指標が、確立されているがより労働集約的な指標の価値をどれだけうまく予測できるかをテストしています。私はこれらの指標を複数の森林パッチで測定しており、各森林パッチに複数のプロットがあります。 フォレストパッチの効果には直接興味がなく、サンプルプロットがフォレストパッチ内にネストされているため、ランダムエフェクトとしてフォレストパッチを使用しています。ただし、これについていくつか質問があります。 まず、ランダム効果は、サンプリングしたものだけでなく、ランダム因子のすべての可能なレベルにわたって結果を一般化できることを知っています。しかし、この種の推論を行うには、レベルをランダムにサンプリングする必要があるように思えますか？フォレストパッチがランダムにサンプリングされなかったので、ランダムエフェクトとして使用できますか？ 次に、Iは、たとえば、影響のあるモデルとないモデルを比較するための尤度比テストを行うことにより、ランダムな効果が必要かどうかをテストできることを読みました。私はこれを実行しましたが、変量効果モデルは固定効果のみのモデルと同様にデータを説明しないことを示唆しています。これに関する私の問題は、私のプロットがまだフォレストパッチ内にネストされているため、おそらく独立していないことです。したがって、このLRTアプローチを使用してランダム効果を除外することを正当化できますか、それともネストネスを説明するためにそれを含める必要がありますか？そして、ランダムな効果を削除してしまう場合、フォレストパッチ内のプロットが独立していると見なすことができることを確認する方法はありますか？ ご協力いただきありがとうございます！ ジェイ

9 random-effects-model  nested-data 

plmを使用して、グループ化変数、つまり非ネストモデルに基づいて、ネストされたエラーコンポーネントを含むいくつかの反復測定Fixed Effectsモデルを推定しました。今興味がある 完全なモデルが有意に異なる場合、テストは、すなわち満杯のためのモデルであるとの完全なモデルであり、そして β FのEのM A L E β M のL EHo：βFe m a l e= βMリットルのEHo：βFeメートルale=βMaleH_o: \beta_{Female} = \beta_{Male}βFe m a l eβFeメートルale\beta_{Female}FemalesβMリットルのEβMale\beta_{Male}Males 続いて、2つのグループ間で選択した回帰係数をテストします。つまり、ここで、はの回帰係数ですat 、およびはatの男性の回帰係数です。Ho：βFe m a l e = = ye a r 1.5= βMa l e = = ye a r 1.5Ho：βFeメートルale==year1.5=βMale==year1.5H_o: \beta_{Female == year1.5} = \beta_{Male …

8 r  hypothesis-testing  repeated-measures  nested-data  plm 

私のデータセットには次の変数があります： トリートメント（4種類固定） ロケーション（8ロケーション-固定） 場所の位置（場所ごとに3つの位置-固定） サンプルは各位置で取得されます（位置ごとに3つのサンプル-ランダム） 時間（2つのサンプリング時間-固定） 鉱化率（採取したサンプルの分析結果として） 各治療をテストするために2つの場所が使用されます（つまり、4つの治療、治療ごとに2つの場所、合計8つの場所）。 R上記の変数を使用して、分割プロット（/ nested？）反復測定（/ mixed model？）ANOVAを実行したいと思います。 Q.1。これは適切ですか？ 私の目標は、1）位置、2）治療、3）時間、および4）すべての相互作用（つまり、pos * treat *、pos * time、treat * time、pos * treat * time）に影響があるかどうかを確認することです石灰化率。 Q 2.場所は治療でネストされていますか？サンプルは適切な位置にネストされていますか？ Q 3.要因間および内要因とは何ですか？ Q 4.主題/プロットは何ですか？-場所、位置、サンプル、レートのどれですか？ Q 5. R式で繰り返し測定として時間を使用するにはどうすればよいですか？ Q 6. aov、lme、またはezANOVAを使用しますか？ Q 7.独立した独立変数とそれらの相互作用を適切なR式にコード化するにはどうすればよいですか？ 私は文字通りこれを数日間理解しようとしてきましたが、意味のある答えを見つけることができないようです...

8 r  anova  repeated-measures  split-plot  nested-data