propriétés glmmnode

Retourner à la version anglaise de la documentation

propriétés glmmnode

Dernière mise à jour : 04 oct. 2024

propriétés glmmnode

Icône de noeud GLMM Un modèle mixte linéaire généralisé (MMLG) élargit le modèle linéaire de sorte que la cible puisse avoir une distribution non normale, qu'elle soit liée linéairement aux facteurs et covariables via une fonction de lien spécifiée, et que les observations puissent être corrélées. Les modèles GLMM couvrent une grande variété de modèles, allant de la régression linéaire simple à des modèles multiniveaux complexes pour des données longitudinales non normales.

Tableau 1. Propriétés de glmmnode
Propriétés `glmmnode`	Valeurs	Description de la propriété
`residual_subject_spec`	structuré	La combinaison des valeurs des champs catégoriels spécifiés qui définissent de manière unique les sujets dans l'ensemble de données
`repeated_measures`	structuré	Champs à utiliser pour identifier les observations répétées.
`residual_group_spec`	[field1 ... fieldN]	Champs qui définissent les ensembles indépendants des paramètres de covariance d'effets répétés.
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	Spécifie la structure de la covariance des résidus.
`custom_target`	option	Indique s'il faut utiliser la cible définie dans le noeud en amont (`false`) ou la cible personnalisée spécifiée par `target_field` (`true`).
`target_field`	Zone	Champ à utiliser comme cible si `custom_target` est `true`.
`use_trials`	option	Indique si un champ supplémentaire ou une valeur spécifiant le nombre d'essais doit être utilisé lorsque la réponse cible est un nombre d'événements se produisant dans un ensemble d'essais. La valeur par défaut est `false`.
`use_field_or_value`	`Field` `Value`	Indique si un champ (par défaut) ou une valeur est utilisé pour spécifier le nombre d'essais.
`trials_field`	Zone	Champ à utiliser pour spécifier le nombre d'essais.
`trials_value`	Integer	Valeur à utiliser pour spécifier le nombre d'essais. Si spécifiée, la valeur minimum est 1.
`use_custom_target_reference`	option	Indique si la catégorie de référence personnalisée doit être utilisée pour une cible catégorielle. La valeur par défaut est `false`.
`target_reference_value`	chaîne	Catégorie de référence à utiliser si `use_custom_target_reference` est `true`.
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	Modèles standard pour la distribution des valeurs de la cible. Choisissez `Custom` pour spécifier une distribution dans la liste fournie par`target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	Distribution des valeurs de la cible lorsque `dist_link_combination` est `Custom`.
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	Fonction de lien permettant d'associer des valeurs cible à des prédicteurs. Si `target_distribution` est `Binomial` , vous pouvez utiliser n'importe quel des fonctions de lien répertoriées. Si `target_distribution` est `Multinomial` , vous pouvez utiliser `CLOGLOG`, `CAUCHIT`, `LOGIT`, `NLOGLOG`ou `PROBIT`. Si `target_distribution` est autre que `Binomial` ou `Multinomial` , vous pouvez utiliser `IDENTITY`, `LOG`ou `POWER`.
`link_function_param`	number	Valeur de paramètre de fonction de lien à utiliser. Ne s'applique que si `normal_link_function` ou `link_function_type` est `POWER`.
`use_predefined_inputs`	option	Indique si les champs d'effet fixe doivent être ceux qui ont été définis en amont en tant que champs de saisie (`true`) ou ceux de `fixed_effects_list` (`false`). La valeur par défaut est `false`
`fixed_effects_list`	structuré	Si `use_predefined_inputs` est `false`, spécifie les champs de saisie à utiliser comme champs d'effet fixe.
`use_intercept`	option	Si `true` (par défaut), inclut l'interception dans le modèle.
`random_effects_list`	structuré	Liste des champs à spécifier comme effets aléatoires.
`regression_weight_field`	Zone	Champ à utiliser comme champ de pondération d'analyse.
`use_offset`	`Noneoffset_valueoffset_field`	Indique comment le décalage est spécifié. La valeur `None` signifie qu'aucun décalage n'est utilisé.
`offset_value`	number	Valeur à utiliser pour le décalage si `use_offset` est défini sur `offset_value`.
`offset_field`	Zone	Champ à utiliser pour la valeur de décalage si `use_offset` est défini sur `offset_field`.
`target_category_order`	`AscendingDescendingData`	Ordre de tri des cibles catégorielles. La valeur `Data` indique l'utilisation de l'ordre de tri trouvé dans les données. La valeur par défaut est `Ascending`.
`inputs_category_order`	`AscendingDescendingData`	Ordre de tri pour les prédicteurs indépendants. La valeur `Data` indique l'utilisation de l'ordre de tri trouvé dans les données. La valeur par défaut est `Ascending`.
`max_iterations`	Integer	Nombre maximum d'itérations que l'algorithme effectuera. Un entier positif ; la valeur par défaut est 100.
`confidence_level`	Integer	Niveau de confiance utilisé pour calculer les estimations d'intervalle des coefficients de modèle. Un entier positif ; le nombre maximum est 100, la valeur par défaut est 95.
`degrees_of_freedom_method`	`FixedVaried`	Spécifie comment les degrés de liberté sont calculés pour le test de signification.
`test_fixed_effects_coeffecients`	`ModelRobust`	Méthode de calcul de la matrice de covariance des estimations de paramètre.
`use_p_converge`	option	Option pour la convergence de paramètres.
`p_converge`	number	Vide ou valeur positive.
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	option	Option pour la convergence du log de vraisemblance.
`l_converge`	number	Vide ou valeur positive.
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	option	Option pour la convergence hessienne.
`h_converge`	number	Vide ou valeur positive.
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	Integer
`sing_tolerance`	number
`use_model_name`	option	Indique s'il faut spécifier un nom personnalisé pour le modèle (`true`) ou utiliser le nom généré par le système (`false`). La valeur par défaut est `false`.
`model_name`	chaîne	Si `use_model_name` est `true`, indique le nom du modèle à utiliser.
`confidence`	`onProbabilityonIncrease`	Base de calcul de la valeur de confiance de scoring : probabilité prédite la plus élevée ou différence entre les probabilités prédites les plus élevées et les deuxièmes plus élevées.
`score_category_probabilities`	option	Si `true`, produit des probabilités prédites pour les cibles catégorielles. La valeur par défaut est `false`.
`max_categories`	Integer	Si `score_category_probabilities` est `true`, indique le nombre maximal de catégories à sauvegarder.
`score_propensity`	option	Si `true`, produit des scores de propension pour les champs cibles du marqueur qui signalent la probabilité d'un résultat « True » pour ces champs.
`emeans`	construction	Pour chaque champ catégoriel de la liste des effets fixes, spécifie s'il faut produire des moyennes marginales estimées.
`covariance_list`	construction	Pour chaque champ continu de la liste des effets fixes, spécifie s'il faut utiliser la moyenne ou une valeur personnalisée lors du calcul des moyennes marginales estimées.
`mean_scale`	`OriginalTransformed`	Spécifie s'il faut calculer les moyennes marginales estimées en fonction de l'échelle originale de la cible (par défaut) ou de la transformation de la fonction de lien.
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	Méthode d'ajustement à utiliser lors des tests d'hypothèse avec contrastes multiples.
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	Tableau	Spécification du sujet résiduel : La combinaison des valeurs des champs catégoriels spécifiés doit définir de manière unique les sujets à l'intérieur du jeu de données. Par exemple, un seul champ ID du patient devrait suffire à définir les sujets d'un hôpital donné, mais la combinaison de l'ID de l'hôpital et de l'ID du patient peut être nécessaire si les numéros d'identification des patients ne sont pas uniques entre les hôpitaux.
`repeated_ui_measures`	Tableau	Les champs spécifiés ici permettent d'identifier les observations répétées. Par exemple, une variable unique Semaine peut identifier les 10 semaines d'observation au cours d'une étude médicale, ou les variables Mois et Jour peuvent être utilisés ensemble pour identifier les observations quotidiennes sur une période d'un an.
`spatial_field`	Tableau	Les variables de cette liste spécifient les coordonnées des observations répétées lorsque l'un des types de covariance spatiale est sélectionné pour le type de covariance répété.