내 연구에서는 몇 가지 메트릭으로 작업 부하를 측정 할 것입니다. 심박 변이 (HRV), 전극 활동 (EDA) 및 주관적 척도 (IWS). 정규화 후 IWS에는 세 가지 값이 있습니다.
- 정상보다 낮은 작업량
- 작업량은 평균입니다
- 작업량이 정상보다 높습니다.
생리적 측정이 주관적 워크로드를 얼마나 잘 예측할 수 있는지 알고 싶습니다.
따라서 비율 데이터를 사용하여 서수 값을 예측하고 싶습니다. 에 따르면 : 숫자 / 범주 값을 모두 사용하여 R에서 서수 로지스틱 회귀 분석을 어떻게 실행합니까? 이 MASS:polr기능 을 사용하여 쉽게 수행 할 수 있습니다 .
그러나 개체 간 차이, 성별, 흡연 등과 같은 임의의 효과를 설명하고 싶습니다. 이 자습서를 보면에 임의 효과를 추가하는 방법을 알 수 없습니다 MASS:polr. 또는 lme4:glmer옵션이 될 수 있지만이 함수는 이진 데이터의 예측 만 허용합니다.
순서 형 로지스틱 회귀 분석에 임의의 효과를 추가 할 수 있습니까?
답변
원칙적으로, 로지스틱 혼합 모델 소프트웨어의 기계가 순서 형 응답 변수를 연속 레벨 사이의 일련의 이진 대비로 확장하여 순서 형 로지스틱 회귀 분석을 수행 할 수 있습니다 (예 : Dobson 및 Barnett 일반 선형 모형 소개 섹션 8.4.6 참조). 그러나 이것은 고통스럽고 다행히 R에는 몇 가지 옵션이 있습니다.
- 서수 패키지 , 비아
clmm및clmm2함수 (clmm= C umulative L의 잉크 M은 ixed M의 ODEL)를 - mixor 패키지 비아,
mixor함수 - MCMCglmm 패키지 비아
family="ordinal"(참고?MCMCglmm) - BRMS 패키지는 , 예를 통해
family="cumulative"(참조?brmsfamily)
후자의 두 옵션은 베이지안 MCMC 프레임 워크 내에서 구현됩니다. 내가 아는 한 인용 된 모든 함수 (제외 ordinal::clmm2)는 여러 개의 임의 효과 (절편, 경사 등)를 처리 할 수 있습니다. 대부분의 경우 ( MCMCglmm?가 아닐 수도 있음 ) 링크 기능 (logit, probit 등) 선택을 처리 할 수 있습니다.
( 시간이 있으면 돌아와서 서수 모델을 처음부터 설정하는 예제를 사용 하여이 답변을 수정합니다.lme4 )
답변
예, 순서 회귀 모형에 임의의 효과를 포함시킬 수 있습니다. 개념적으로 이것은 선형 혼합 모델에 임의 효과를 포함하는 것과 같습니다. UCLA 사이트 polr()는 MASS패키지 의 기능 만 보여 주지만 R에는 서수 모델을 피팅하기위한 여러 기능이 있습니다 . R에 랜덤 효과를 포함시키는 유일한 방법은 서수 패키지를 사용합니다. 여기 예제를 통해 작업합니다. 양방향 Friedman의 테스트가 있습니까?