Proprietà glmmnode

Ultimo aggiornamento: 11 feb 2025

Proprietà glmmnode

Icona nodo GLMM 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.

Tabella 1. proprietà glmmnode
`glmmnode` proprietà	Valori	Descrizione proprietà
`residual_subject_spec`	strutturato	La combinazione di valori dei campi categoriali specificati che definisce in modo univoco i soggetti all'interno dell'insieme di dati
`repeated_measures`	strutturato	I campi utilizzati per identificare le osservazioni ripetute.
`residual_group_spec`	[field1 ... fieldN]	I campi che definiscono insiemi indipendenti di parametri di covarianza a effetti ripetuti.
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	Specifica la struttura di covarianza per i residui.
`custom_target`	indicatore	Indica se utilizzare la destinazione definita nel nodo upstream (`false`) o la destinazione personalizzata specificata da `target_field` (`true`).
`target_field`	campo	Il campo da utilizzare come destinazione se `custom_target` è `true`.
`use_trials`	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 `false`.
`use_field_or_value`	`Field` `Value`	Indica se il campo (default) o valore viene utilizzato per specificare il numero di prove.
`trials_field`	campo	Campo da utilizzare per specificare il numero di prove.
`trials_value`	intero	Valore da utilizzare per specificare il numero di prove. Se specificato, il valore minimo è 1.
`use_custom_target_reference`	indicatore	Indica se la categoria di riferimento personalizzata deve essere utilizzata per un target di categoria. Il valore predefinito è `false`.
`target_reference_value`	Stringa	La categoria di riferimento da utilizzare se `use_custom_target_reference` è `true`.
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	I modelli comuni per la distribuzione dei valori dell'obiettivo. Scegliere `Custom` per specificare una distribuzione dall'elenco fornito da `target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	Distribuzione dei valori per l'obiettivo quando `dist_link_combination` è `Custom`.
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	Funzione di collegamento per collegare i valori di destinazione ai predittori. Se `target_distribution` è `Binomial` è possibile utilizzare qualsiasi delle funzioni di collegamento elencate. Se `target_distribution` è `Multinomial` è possibile utilizzare `CLOGLOG`, `CAUCHIT`, `LOGIT`, `NLOGLOG`o `PROBIT`. Se `target_distribution` è diverso da `Binomial` o `Multinomial` , è possibile utilizzare `IDENTITY`, `LOG`o `POWER`.
`link_function_param`	numero	Il valore del parametro della funzione di collegamento da utilizzare. Applicabile solo se `normal_link_function` o `link_function_type` è `POWER`.
`use_predefined_inputs`	indicatore	Indica se i campi ad effetto fisso devono essere quelli definiti a monte come campi di immissione (`true`) o quelli da `fixed_effects_list` (`false`). Il valore predefinito è `false`.
`fixed_effects_list`	strutturato	Se `use_predefined_inputs` è `false`, specifica i campi di input da utilizzare come campi a effetto fisso.
`use_intercept`	indicatore	Se `true` (default), include l'intercettazione nel modello.
`random_effects_list`	strutturato	Elenco dei campi da specificare come effetti random.
`regression_weight_field`	campo	Campo da utilizzare come campo del peso dell'analisi.
`use_offset`	`Noneoffset_valueoffset_field`	Indica il modo in cui viene specificato l'offset. Il valore `None` indica che non viene utilizzato nessun offset.
`offset_value`	numero	Il valore da utilizzare per l'offset se `use_offset` è impostato su `offset_value`.
`offset_field`	campo	Il campo da utilizzare per il valore offset se `use_offset` è impostato su `offset_field`.
`target_category_order`	`AscendingDescendingData`	Criterio di ordinamento per i target di categoria. Il valore `Data` specifica l'utilizzo del criterio di ordinamento trovato nei dati. L'impostazione predefinita è `Ascending`.
`inputs_category_order`	`AscendingDescendingData`	Criterio di ordinamento per i predittori di categoria. Il valore `Data` specifica l'utilizzo del criterio di ordinamento trovato nei dati. L'impostazione predefinita è `Ascending`.
`max_iterations`	intero	Numero massimo di iterazioni che l'algoritmo eseguirà. Un numero intero non negativo; l'impostazione di default è 100.
`confidence_level`	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.
`degrees_of_freedom_method`	`FixedVaried`	Specifica la modalità di calcolo dei gradi di libertà per i test di significatività.
`test_fixed_effects_coeffecients`	`ModelRobust`	Il metodo per il calcolo della matrice di covarianza delle stime dei parametri.
`use_p_converge`	indicatore	Opione per la convergenza dei parametri.
`p_converge`	numero	Vuoto, o qualsiasi valore positivo.
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	indicatore	Opzione per la convergenza di verosimiglianza logaritmica.
`l_converge`	numero	Vuoto, o qualsiasi valore positivo.
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	indicatore	Opzione per la convergenza hessiana.
`h_converge`	numero	Vuoto, o qualsiasi valore positivo.
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	intero
`sing_tolerance`	numero
`use_model_name`	indicatore	Indica se specificare un nome personalizzato per il modello (`true`) o utilizzare il nome generato dal sistema (`false`). Il valore predefinito è `false`.
`model_name`	Stringa	Se `use_model_name` è `true`, specifica il nome del modello da utilizzare.
`confidence`	`onProbabilityonIncrease`	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.
`score_category_probabilities`	indicatore	Se `true`, produce le probabilità previste per i target di categoria. L'impostazione predefinita è `false`.
`max_categories`	intero	Se `score_category_probabilities` è `true`, specifica il numero massimo di categorie da salvare.
`score_propensity`	indicatore	Se `true`, produce punteggi di propensione per i campi obiettivo di tipo indicatore che indicano la probabilità del risultato "true" per il campo.
`emeans`	struttura	Per ogni campo relativo alla categoria dall'elenco a effetti fissi, specifica se produrre le medie marginali stimate.
`covariance_list`	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.
`mean_scale`	`OriginalTransformed`	Specifica se calcolare le medie marginali stimate in base alla scala originale dell'obiettivo (default) o in base alla trasformazione della funzione di collegamento.
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	Metodo di regolazione da utilizzare quando si esegue il test sull'ipotesi con più contrasti.
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	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.
`repeated_ui_measures`	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.
`spatial_field`	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