Właściwości węzła glmmnode

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Właściwości węzła glmmnode

Last updated: 04 lip 2023

Właściwości węzła glmmnode

Ikona węzła GLMM Uogólniony liniowy model mieszany (GLMM) stanowi rozszerzenie modelu liniowego, w taki sposób, że przewidywany model może nie mieć standardowego rozłożenia w sposób umożliwiający liniowe powiązanie z czynnikami i współzmiennymi za pośrednictwem określonej funkcji łączenia, a także skorelowanie obserwacji. Modele GLMM obejmują szeroką gamę modeli, od prostej regresji liniowej do złożonych modeli wielopoziomowych dla nienormalnych danych podłużnych.

Tabela 1. właściwości węzła glmmnode
Właściwości węzła `glmmnode`	Wartości	Opis właściwości
`residual_subject_spec`	ustrukturyzowane	Kombinacja wartości określonych zmiennych jakościowych, która jednoznacznie definiuje podmioty w zbiorze danych.
`repeated_measures`	ustrukturyzowane	Zmienne używane do identyfikacji obserwacji powtórzonych.
`residual_group_spec`	[field1 ... fieldN]	Zmienne definiujące parametry kowariancji niezależnych zbiorów powtórzonych efektów.
`residual_covariance_type`	`Diagonal` `AR1` `ARMA11` `COMPOUND_SYMMETRY` `IDENTITY` `TOEPLITZ` `UNSTRUCTURED` `VARIANCE_COMPONENTS`	Określa strukturę kowariancji dla reszt.
`custom_target`	Flaga	Określa, czy ma być używana zmienna przewidywana zdefiniowana we wcześniejszym węźle (`false`), czy niestandardowa zmienna przewidywana określona przez właściwość `target_field` (`true`).
`target_field`	field (pole)	Zmienna docelowa, gdy `custom_target` ma wartość `true`.
`use_trials`	Flaga	Określa, czy gdy odpowiedź przewidywana jest liczbą zdarzeń występujących w zbiorze prób, ma być używana dodatkowa zmienna lub wartość określająca liczbę prób. Wartością domyślną jest `false`.
`use_field_or_value`	`Field` `Value`	Określa, czy do określania liczby prób używana jest zmienna (domyślnie), czy wartość.
`trials_field`	field (pole)	Zmienna określająca liczbę prób.
`trials_value`	liczba całkowita	Wartość określająca liczbę prób. Jeśli wartość jest określona, to minimum wynosi 1.
`use_custom_target_reference`	Flaga	Określa, czy dla jakościowej zmiennej przewidywanej ma być używana niestandardowa kategoria odwołania. Wartością domyślną jest `false`.
`target_reference_value`	łańcuch	Kategoria odwołania, która ma być używana, gdy `use_custom_target_reference` ma wartość `true`.
`dist_link_combination`	`Nominal` `Logit` `GammaLog` `BinomialLogit` `PoissonLog` `BinomialProbit` `NegbinLog` `BinomialLogC` `Custom`	Wspólne modele rozkładu wartości zmiennej przewidywanej. Wybierz `Custom`, aby określić dystrybucję z listy udostępnionej przez `target_distribution`.
`target_distribution`	`Normal` `Binomial` `Multinomial` `Gamma` `Inverse` `NegativeBinomial` `Poisson`	Rozkład wartości zmiennej przewidywanej, gdy `dist_link_combination` ma wartość `Custom`.
`link_function_type`	`Identity` `LogC` `Log` `CLOGLOGLogit` `NLOGLOGPROBIT` `POWER` `CAUCHIT`	Funkcja łączenia w celu powiązania docelowych wartości z predyktorami. If `target_distribution` is `Binomial` you can use any of the listed link functions. If `target_distribution` is `Multinomial` you can use `CLOGLOG`, `CAUCHIT`, `LOGIT`, `NLOGLOG`, or `PROBIT`. If `target_distribution` is anything other than `Binomial` or `Multinomial` you can use `IDENTITY`, `LOG`, or `POWER`.
`link_function_param`	Liczba	Wartość parametru funkcji łączenia. Ma zastosowanie tylko wtedy, gdy `normal_link_function` lub `link_function_type` ma wartość `POWER`.
`use_predefined_inputs`	Flaga	Wskazuje, czy zmienne efektów stałych mają być zmiennymi zdefiniowanymi w górę jako zmienne wejściowe (`true`), czy też z `fixed_effects_list` (`false`). Wartością domyślną jest `false`.
`fixed_effects_list`	ustrukturyzowane	Jeśli `use_predefined_inputs` ma wartość `false`, określa zmienne wejściowe, które mają być używane jako zmienne efektów stałych.
`use_intercept`	Flaga	Wartość `true` (domyślna) powoduje, że w modelu jest uwzględniany wyraz wolny.
`random_effects_list`	ustrukturyzowane	Lista zmiennych, które mają być określone jako efekty losowe.
`regression_weight_field`	field (pole)	Zmienna, która ma być używana jako zmienna wagi analizy.
`use_offset`	`Noneoffset_valueoffset_field`	Wskazuje sposób określenia przesunięcia. Wartość `None` oznacza, że nie jest używane przesunięcie.
`offset_value`	Liczba	Wartość przesunięcia, gdy `use_offset` ma wartość `offset_value`.
`offset_field`	field (pole)	Zmienna używana jako wartość przesunięcia, gdy `use_offset` ma wartość `offset_field`.
`target_category_order`	`AscendingDescendingData`	Porządek sortowania jakościowych zmiennych przewidywanych. Wartość `Data` nakazuje zastosowanie porządku sortowania występującego w danych. Wartość domyślna to `Ascending` (rosnąco).
`inputs_category_order`	`AscendingDescendingData`	Porządek sortowania predyktorów jakościowych. Wartość `Data` nakazuje zastosowanie porządku sortowania występującego w danych. Wartość domyślna to `Ascending` (rosnąco).
`max_iterations`	liczba całkowita	Maksymalna liczba iteracji, jaką wykona algorytm. Nieujemna liczba całkowita; wartość domyślna wynosi 100.
`confidence_level`	liczba całkowita	Poziom ufności używany do obliczania oszacowań przedziałów współczynników modelu. Nieujemna liczba całkowita; maksimum wynosi 100; wartość domyślna wynosi 95.
`degrees_of_freedom_method`	`FixedVaried`	Określa sposób obliczania stopni swobody dla testów istotności.
`test_fixed_effects_coeffecients`	`ModelRobust`	Metoda obliczania macierzy kowariancji oszacowań parametrów.
`use_p_converge`	Flaga	Opcja zbieżności parametru.
`p_converge`	Liczba	Wartość pusta lub dowolna dodatnia.
`p_converge_type`	`AbsoluteRelative`
`use_l_converge`	Flaga	Opcja zbieżności dla logarytmu wiarygodności.
`l_converge`	Liczba	Wartość pusta lub dowolna dodatnia.
`l_converge_type`	`AbsoluteRelative`
`use_h_converge`	Flaga	Opcja zbieżności Hessego.
`h_converge`	Liczba	Wartość pusta lub dowolna dodatnia.
`h_converge_type`	`AbsoluteRelative`
`max_fisher_step`	liczba całkowita
`sing_tolerance`	Liczba
`use_model_name`	Flaga	Wskazuje, czy należy określić nazwę niestandardową dla modelu (`true`), czy też użyć wygenerowanej przez system nazwy (`false`). Wartością domyślną jest `false`.
`model_name`	łańcuch	Jeśli `use_model_name` ma wartość `true`, określa nazwę modelu.
`confidence`	`onProbabilityonIncrease`	Podstawa obliczania współczynnika ufności oceny: najwyższe przewidywane prawdopodobieństwo albo różnica między najwyższym a drugim co do wielkości prawdopodobieństwem.
`score_category_probabilities`	Flaga	Wartość `true` powoduje generowanie przewidywanych prawdopodobieństw dla jakościowych zmiennych przewidywanych. Wartość domyślna to `false` (rosnąco).
`max_categories`	liczba całkowita	Jeśli `score_category_probabilities` ma wartość `true`, określa maksymalną liczbę kategorii do zapisania.
`score_propensity`	Flaga	Wartość `true` powoduje, że generowane są oceny skłonności dla zmiennych przewidywanych typu flaga; oceny te określają prawdopodobieństwo wyniku „prawdziwego” dla danej zmiennej.
`emeans`	struktura	Dla każdej zmiennej jakościowej z listy efektów stałych określa, czy mają być generowane szacowane średnie brzegowe.
`covariance_list`	struktura	Dla każdej zmiennej ciągłej z listy efektów stałych określa, czy do obliczania szacowanych średnich brzegowych ma być używana średnia, czy wartość niestandardowa.
`mean_scale`	`OriginalTransformed`	Określa, czy szacowane średnie brzegowe są obliczane na podstawie pierwotnej skali zmiennej przewidywanej (ustawienie domyślne), czy na podstawie transformacji funkcji łączenia.
`comparison_adjustment_method`	`LSDSEQBONFERRONISEQSIDAK`	Metoda korekty, która ma być używana przy testowaniu hipotez z użyciem wielu kontrastów.
`use_trials_field_or_value`	`"field"` `"value"`
`residual_subject_ui_spec`	macierz	Specyfikacja podmiotu rezydualnego: kombinacja wartości określonych zmiennych jakościowych powinna jednoznacznie definiować obiekty w zbiorze danych. Na przykład jedna zmienna ID pacjenta powinna wystarczyć do zdefiniowania obiektów w jednym szpitalu. Jeśli jednak numery identyfikacyjne pacjenta nie identyfikują jednoznacznie pacjentów w różnych szpitalach, wówczas konieczna może być kombinacja ID szpitala i ID pacjenta.
`repeated_ui_measures`	macierz	Zmienne określone w tym miejscu służą do identyfikowania obserwacji powtórzonych. Na przykład pojedyncza zmienna Tydzień może identyfikować 10 tygodni obserwacji w badaniu medycznym, a w celu identyfikacji obserwacji codziennych w ciągu roku można używać razem zmiennych Miesiąc i Dzień.
`spatial_field`	macierz	Gdy jeden z typów kowariancji przestrzennej wybrano jako typ struktury kowariancji, zmienne na tej liście określają współrzędne powtarzanych obserwacji.