Proprietà glmmnode
Ultimo aggiornamento: 11 feb 2025
Un modello misto lineare generalizzato (GLMM) estende il modello lineare in modo che l'obiettivo possa avere una distribuzione non normale, sia linearmente correlato ai fattori e alle covariate tramite una funzione di collegamento specifica e in modo che le osservazioni possano essere correlate. I modelli GLMM coprono un'ampia gamma di modelli, dalla semplice regressione lineare ai complessi modelli multilivello per dati longitudinali non normali.
proprietà |
Valori | Descrizione proprietà |
---|---|---|
|
strutturato | La combinazione di valori dei campi categoriali specificati che definisce in modo univoco i soggetti all'interno dell'insieme di dati |
|
strutturato | I campi utilizzati per identificare le osservazioni ripetute. |
|
[field1 ... fieldN] | I campi che definiscono insiemi indipendenti di parametri di covarianza a effetti ripetuti. |
|
|
Specifica la struttura di covarianza per i residui. |
|
indicatore | Indica se utilizzare la destinazione definita nel nodo upstream ( )
o la destinazione personalizzata specificata da ( ). |
|
campo | Il campo
da utilizzare come destinazione se è . |
|
indicatore | Indica se un campo o valore aggiuntivo che specifica il numero di prove
deve essere utilizzato quando la risposta obiettivo rappresenta un numero di eventi
che si verificano in un insieme di prove. Il valore predefinito è . |
|
|
Indica se il campo (default) o valore viene utilizzato per specificare il numero di prove. |
|
campo | Campo da utilizzare per specificare il numero di prove. |
|
intero | Valore da utilizzare per specificare il numero di prove. Se specificato, il valore minimo è 1. |
|
indicatore | Indica se la categoria di riferimento personalizzata deve essere utilizzata per un target di categoria. Il valore predefinito è . |
|
Stringa | La categoria di riferimento da utilizzare se
è . |
|
|
I modelli comuni per la distribuzione dei valori dell'obiettivo. Scegliere per specificare una distribuzione
dall'elenco fornito da . |
|
|
Distribuzione dei valori per l'obiettivo
quando è . |
|
|
Funzione di collegamento per collegare i valori
di destinazione ai predittori. Se è è possibile utilizzare qualsiasidelle funzioni di collegamento elencate. Se è è possibile utilizzare , , , o .Se è diverso da o , è possibile utilizzare , o . |
|
numero | Il valore del parametro della funzione di collegamento da utilizzare. Applicabile solo se o è . |
|
indicatore | Indica se i campi ad effetto fisso devono essere quelli definiti a monte come campi di immissione ( ) o quelli da ( ). Il valore predefinito è . |
|
strutturato | Se è , specifica i campi di input da utilizzare come
campi a effetto fisso. |
|
indicatore | Se (default), include l'intercettazione
nel modello. |
|
strutturato | Elenco dei campi da specificare come effetti random. |
|
campo | Campo da utilizzare come campo del peso dell'analisi. |
|
|
Indica il modo in cui viene specificato l'offset. Il valore indica che non viene utilizzato nessun offset. |
|
numero | Il valore da utilizzare per l'offset se è impostato su . |
|
campo | Il campo da utilizzare per
il valore offset se è impostato su . |
|
|
Criterio di ordinamento per i target di categoria. Il valore specifica l'utilizzo del criterio di ordinamento
trovato nei dati. L'impostazione predefinita è . |
|
|
Criterio di ordinamento per i predittori di categoria. Il valore specifica l'utilizzo del criterio di ordinamento
trovato nei dati. L'impostazione predefinita è . |
|
intero | Numero massimo di iterazioni che l'algoritmo eseguirà. Un numero intero non negativo; l'impostazione di default è 100. |
|
intero | Livello di confidenza utilizzato per calcolare le stime di intervallo dei coefficienti del modello. Un numero intero non negativo; il massimo è 100, l'impostazione di default è 95. |
|
|
Specifica la modalità di calcolo dei gradi di libertà per i test di significatività. |
|
|
Il metodo per il calcolo della matrice di covarianza delle stime dei parametri. |
|
indicatore | Opione per la convergenza dei parametri. |
|
numero | Vuoto, o qualsiasi valore positivo. |
|
|
|
|
indicatore | Opzione per la convergenza di verosimiglianza logaritmica. |
|
numero | Vuoto, o qualsiasi valore positivo. |
|
|
|
|
indicatore | Opzione per la convergenza hessiana. |
|
numero | Vuoto, o qualsiasi valore positivo. |
|
|
|
|
intero | |
|
numero | |
|
indicatore | Indica se specificare un nome personalizzato per il modello ( ) o utilizzare il nome generato dal sistema ( ). Il valore predefinito è . |
|
Stringa | Se è , specifica il nome del modello da utilizzare. |
|
|
Base per il calcolo del valore di confidenza del punteggio: probabilità prevista più alta o differenza tra le probabilità più alte e la seconda massima prevista. |
|
indicatore | Se , produce le probabilità previste per i target di categoria. L'impostazione predefinita è . |
|
intero | Se è ,
specifica il numero massimo di categorie da salvare. |
|
indicatore | Se , produce punteggi di propensione per i campi obiettivo di tipo indicatore che indicano la probabilità del risultato "true" per il campo. |
|
struttura | Per ogni campo relativo alla categoria dall'elenco a effetti fissi, specifica se produrre le medie marginali stimate. |
|
struttura | Per ogni campo continuo dall'elenco effetti fissi, specifica se utilizzare la media o un valore personalizzato quando si calcola le medie marginali stimate. |
|
|
Specifica se calcolare le medie marginali stimate in base alla scala originale dell'obiettivo (default) o in base alla trasformazione della funzione di collegamento. |
|
|
Metodo di regolazione da utilizzare quando si esegue il test sull'ipotesi con più contrasti. |
|
|
|
|
schiera | Specifica soggetti residuali: la combinazione di valori dei campi categoriali specificati deve definire in modo univoco i soggetti all'interno del dataset. Per esempio, un singolo campo ID paziente dovrebbe essere sufficiente a definire i soggetti in un ospedale, ma la combinazione di ID ospedale e ID paziente potrebbe essere necessaria qualora i numeri di identificazione dei pazienti non fossero univoci nei diversi ospedali. |
|
schiera | I campi specificati qui vengono utilizzati per identificare le osservazioni ripetute. Per esempio, una singola variabile Settimana potrebbe identificare 10 settimane di osservazioni in uno studio medico, mentre Mese e Giorno potrebbero essere utilizzati insieme per identificare le osservazioni giornaliere nel corso di un anno. |
|
schiera | Le variabili in questo elenco specificano le coordinate delle osservazioni ripetute quando uno dei tipi di covarianza spaziale viene selezionato per il tipo di covarianza ripetuta. |
L'argomento è stato utile?
0/1000