广义线性混合模型

作者:雪山象
链接:https://www.zhihu.com/question/27938684/answer/38730824
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

说下自己的理解,权当抛砖引玉。

首先,题主问题有误,GLM一般是指 generalized linear model ,也就是广义线性模型;而非 general linear model,也就是一般线性模型;而GLMM (generalized linear mixed model)是广义线性混合模型。

广义线性模型GLM很简单,举个例子,药物的疗效和服用药物的剂量有关。这个相关性可能是多种多样的,可能是简单线性关系(发烧时吃一片药退烧0.1度,两片药退烧0.2度,以此类推;这种情况就是一般线性模型),也可能是比较复杂的其他关系,如指数关系(一片药退烧0.1度,两片药退烧0.4度),对数关系等等。这些复杂的关系一般都可以通过一系列数学变换变成线性关系,以此统称为广义线性模型。

广义线性混合模型GLMM比较复杂,GLM要求观测值误差是随机的,而GLMM则要求误差值并非随机,而是呈一定分布的。举个例子,我们认为疗效可能与服药时间相关,但是这个相关并不是简简单单的疗效随着服药时间的变化而改变。更可能的是疗效的随机波动的程度与服药时间有关。比如说,在早上10:00的时候,所有人基本上都处于半饱状态,此时吃药,相同剂量药物效果都差不多。但在中午的时候,有的人还没吃饭, 有的人吃过饭了,有的人喝了酒,结果酒精和药物起了反应,有的人喝了醋,醋又和药物起了另一种反应。显然,中午吃药会导致药物疗效的随机误差非常大。这种疗效的随机误差(而非疗效本身)随着时间的变化而变化,并呈一定分布的情况,必须用广义线性混合模型了。


2.
http://www.docin.com/p-347064182.html?docfrom=rrela


3.
  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: SAS广义线性混合模型(Generalized Linear Mixed Model,GLMM)是一种统计分析方法,旨在描述和预测因变量与一个或多个自变量之间的关系。GLMM结合了广义线性模型(Generalized Linear Model,GLM)和线性混合模型(Linear Mixed Model,LMM)的特点,用于研究含有分类因子和连续变量的数据。 GLMM可以处理非正态分布的数据,比如二项分布、泊松分布和负二项分布等。它允许建立一个包含固定效应和随机效应的模型,其中固定效应表示自变量对因变量的总体影响,随机效应表示个体之间的随机变异。 SAS软件提供了广义线性混合模型的实现方法。通过使用PROC GLIMMIX过程,可以根据研究的目的选择合适的模型和链接函数,并计算模型中的固定效应和随机效应。在建立模型时,可以选择不同的协方差结构,以考虑随机效应的相关性。通过输出结果,可以评估模型的拟合程度和因素的显著性,同时进行参数估计和假设检验。 总之,SAS广义线性混合模型是一种强大的统计工具,可以用于处理非正态分布的数据,并同时考虑固定效应和随机效应的影响。它在许多领域,如医学、社会科学和生态学等,得到广泛应用。 ### 回答2: SAS广义线性混合模型是一种统计分析方法,常用于处理具有多级结构的数据。此模型结合了广义线性模型(GLM)和线性混合模型(LMM)的优势,能够处理依赖于多个分类因素的随机效应和固定效应。 广义线性混合模型在SAS软件中可以通过PROC GLIMMIX来实现。该过程可以用于建立不同类型的混合模型,如正态混合模型、二项混合模型等。在设置模型时,可以使用不同的分布函数和链接函数,根据实际需求选择合适的模型形式。 SAS广义线性混合模型的主要优点是能够处理具有多层次结构的数据,比如重复测量、集群数据或者随机分组等。同时,该模型也可以处理非正态分布的响应变量,并且能够准确估计随机效应和固定效应的系数。 在使用SAS广义线性混合模型时,需要进行模型诊断和结果解释。模型诊断可以通过检查残差的正态性、异方差性和模型拟合度等来评估模型的合理性。同时,还可以根据模型估计的固定和随机效应的系数来解释结果。 总之,SAS广义线性混合模型是一种强大的统计分析方法,适用于处理具有多级结构的数据。它能够满足对于多个分类因素的数据建模需求,并且可以处理非正态分布的响应变量。通过使用PROC GLIMMIX进行建模和解释结果,可以更好地理解和利用数据。 ### 回答3: SAS广义线性混合模型(Generalized Linear Mixed Model,GLMM)是一种统计模型,用于分析有多个随机效应和非线性回归分析的数据。 SAS广义线性混合模型具有广泛的适用性,可以用于各种数据类型的分析,包括二项分布数据、计数数据、分类数据和连续数据。它将线性混合模型(LMM)和广义线性模型(GLM)相结合,既考虑了固定效应因素对因变量的影响,也考虑了不同随机效应之间的相关性。 GLMM的建模过程包括选择适当的分布和连接函数,确定固定效应因子和随机效应因子,并估计它们的参数。通过观测数据和随机变量的联合分布,GLMM能够在模型中引入不同的误差结构,从而更准确地描述数据的变化和不确定性。 SAS提供了丰富的功能和工具来支持GLMM的分析。在使用SAS进行GLMM分析时,可以使用PROC GLIMMIX过程进行模型拟合和参数估计,还可以使用PROC NLMIXED和PROC MCMC进行更复杂的GLMM模型的拟合和推断。此外,SAS还提供了多种方法来评估模型的拟合优度和参数的显著性,包括似然比检验、AIC和BIC准则等。 总之,SAS广义线性混合模型是一种强大和灵活的统计方法,可应用于各种数据类型和研究领域。它能够处理复杂的数据结构和多个随机效应,提供了可靠和准确的分析结果,有助于深入理解数据的结构和变化规律,从而做出更准确的预测和推断。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值