R {{category GLMM}} {{outline}} ---- !!!GLMM {{ref_image glmmまとめ.png}} !リンク関数 ,分布,リンク関数 ,ガンマ,log ,二項,logit ,ポアソン,log !!概要 !Multiple Regression Analysis 重回帰分析 !LME !GLM : Generalized <>　一般化線形モデル *一人の被験者からは一回だけ（<<ランダム効果なし>>） glm(応答変数 ~ 説明変数, family=分布モデル, data) *分布モデルは、正規分布以外にも対応 *ランダム効果を入れない点が、glmerとは違う *交互作用も * で対応 *飽和モデルを作っておいて、step()でモデル選択 *Reference https://www1.doshisha.ac.jp/~mjin/R/Chap_16/16.html !GLMM: Generalized Linear <> Model 一般化線形<<混合>>モデル *一人の被験者について複数回（<<ランダム効果>>を考慮） *一つの項目について複数回（<<ランダム効果>>を考慮） *モデル式 {{pre 左辺：目的変数 右辺：説明変数 　　　＋記号で、複数の変数を並べる 　　　：記号で、前後の交互作用を想定する 　　　＊記号で、変数の効果と組み合わせた交互作用の効果（自動で組み合わせてくれる） 　　　（　）に入れるのがランダム効果（被験者のばらつきとか、項目のばらつきとか） }} * Reference https://youtu.be/lY_dzLMF4Jo !!注意点 !採用するモデルがきまったらsummary()でその結果を報告すること !グラフはいろいろ描けるが、有意なグラフを見せること *有意ではない結果のグラフを見せても意味がないので、意味がない。 !!ランダム効果の注意点 *（１｜変数）とすると、その変数の<<「切片」がランダム>>に異なっていると想定 **　　　（そもそも最初の実力にバラつきがあるとか） **　　　（そもそも最初から項目にバラつきがあるとか） *（0+固定効果｜変数）とすると、 **　　　変数の「切片」は固定で、 **　　　固定効果の<<「傾き」がランダム>>に異なっていると想定（最初の0は書かずに省略可） *（1+固定効果｜変数）とすると、 **　　変数の<<「切片」と固定効果の「傾き」がランダム>>に異なっていると想定 **　　（ただし、切片と傾きに相関が想定される場合） *（１｜変数）+（0+固定効果｜変数）とすると、 **　　変数の<<「切片」と固定効果の「傾き」がランダム>>に異なっていると想定 **　　（ただし、切片と傾きに相関が想定されない場合、つまり、独立にバラバラ） **　　★これは、 固定効果 + (固定効果||変数) と書いてもよい ***　　　（1+固定効果A+固定効果B｜変数）のように複数の想定も可能 !References *Bates et al. (2015) Fitting Linear Mixed-Effects Models Using lme4, J of Statistical Software. 67(1). doi: 10.18637/jss.v067.i01 *https://stats.stackexchange.com/questions/13166/rs-lmer-cheat-sheet/13173#13173 *Barr, Dale J, R. Levy, C. Scheepers und H. J. Tily (2013). Random effects structure for confirmatory hypothesis testing: Keep it maximal. Journal of Memory and Language, 68:255– 278. *村山 航, 刺激の効果を侮るなかれ―ランダム刺激効果を含んだ線形混合モデルの重要性と落とし穴―, 基礎心理学研究, 2017, 36 巻, 2 号, p. 236-242, 公開日 2018/06/16, Online ISSN 2188-7977, Print ISSN 0287-7651, https://doi.org/10.14947/psychono.36.40, https://www.jstage.jst.go.jp/article/psychono/36/2/36_36.40/_article/-char/ja *Murakami 2015 Modeling systematicity and individuality in nonlinear second language development: The case of English grammatical morphemes. https://osf.io/dbuh4/ *[GLMM FAQ|https://bbolker.github.io/mixedmodels-misc/glmmFAQ.html] *https://kuboweb.github.io/-kubo/ce/FaqGlm.html