トップ 差分 一覧 Farm ソース 検索 ヘルプ PDF RSS ログイン

GLMM

*disclaimer
120098

R
[GLMM]


GLMM



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 Linear Model 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 Mixed 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
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

 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