이것은 첫 번째 게시물이므로 일부 표준을 따르지 않으면 쉽게 받아 들일 수 있습니다. 내 질문을 검색했는데 아무 것도 나타나지 않았습니다.
내 질문은 주로 일반 선형 모델링 (GLM)과 일반 선형 모델링 (GZLM)의 실제 차이점과 관련이 있습니다. 제 경우에는 공변량으로 몇 가지 연속 변수가 있고 GZLM에 비해 ANCOVA에서 몇 가지 요소가 있습니다. 각 변수의 주요 효과와 모델에서 설명 할 3 가지 상호 작용을 살펴보고 싶습니다. 이 가설이 ANCOVA에서 또는 GZLM을 사용하여 테스트되고 있음을 알 수 있습니다. 어느 정도까지는 ANCOVA와 같은 일반 선형 모델을 실행하는 데 필요한 수학 프로세스와 추론을 이해하고 있으며 GZLM은 선형 모델과 종속 변수를 연결하는 링크 함수를 허용한다는 것을 이해합니다. 수학을 정말로 이해하십시오). 내가 진짜 뭘 GZLM에 사용 된 확률 분포가 정상일 때 (즉, 신원 링크 함수?) 한 분석을 실행하는 실제 차이점이나 이유는 이해하지 않는다. 다른 것을 실행할 때 매우 다른 결과를 얻습니다. 둘 중 하나를 실행할 수 있습니까? 내 데이터는 다소 비정규 적이지만 ANCOVA와 GZLM에서 어느 정도 작동합니다. 두 경우 모두 내 가설이 뒷받침되지만 GZLM에서는 p 값이 “더 좋습니다”.
내 생각에 ANCOVA는 ID 링크 함수를 사용하여 정규 분포 분포 종속 변수가있는 선형 모델이라고 생각했는데 GZLM에 정확하게 입력 할 수 있지만 여전히 다릅니다.
가능하다면이 질문들에 대해 조금 알려주세요!
첫 번째 답변을 기반으로 추가 질문이 있습니다.
이들이 활용 한 유의성 검정 (예 : F 검정 대 Wald Chi Square)을 제외하고 동일하다면 어떤 것이 가장 적합합니까? ANCOVA는 “가는 방법”이지만 F 테스트가 왜 바람직한 지 잘 모르겠습니다. 누군가 나를 위해이 질문에 대해 밝힐 수 있습니까? 감사!
답변
아이덴티티 링크 함수와 일반 패밀리 분포를 지정하는 일반화 된 선형 모델은 (일반) 선형 모델과 정확히 동일합니다. 각각 다른 결과를 얻는다면 뭔가 잘못한 것입니다.
신원 링크를 지정하는 것은 유의 하지 정규 분포를 지정하는 것과 같은 일이. 분포와 연결 함수는 일반화 된 선형 모형의 두 가지 구성 요소이며 각각 독립적으로 선택할 수 있습니다 (특정 링크는 특정 분포에서 더 잘 작동하지만 대부분의 소프트웨어 패키지는 각 분포에 허용되는 링크 선택을 지정합니다).
일부 소프트웨어 패키지는 모든 일반화 된 선형 모형에 대해 점근 법 정규 및 카이-제곱 분포를 사용하여 이들을 계산하면 잔류 자유도가 작은 경우 현저하게 다른 보고 할 수 있습니다 . 모든 소프트웨어는 일반 선형 모형 에 대한 스튜던트 및 Fisher ‘s 분포를 기반으로 값을보고합니다. 이는 무증상에 의존하지 않기 때문에 작은 잔류 자유도에 대해 더 정확하기 때문입니다. Student ‘s 및 Fisher ‘s distributions는 다른 가정에도 불구하고 정상적인 가족에게만 유효합니다.
일반화 선형 모형 용 소프트웨어는 데이터에서 추정되는 척도 모수로 다른 패밀리를 피팅 할 때이를 근사치로 사용할 수도 있습니다.
답변
이 토론에 내 경험을 포함시키고 싶습니다. 일반화 선형 모형 (식별 링크 함수 및 정규 분포 분포 지정)이 최대 우도 추정치를 척도 모수 방법으로 사용하는 경우에만 일반 선형 모형과 동일하다는 것을 알았습니다. 그렇지 않으면 스케일 매개 변수 방법으로 “고정 값 = 1″을 선택하면 매우 다른 p 값을 얻게됩니다. 내 경험에 따르면 일반적으로 “고정 값 = 1″은 피해야합니다. 스케일 매개 변수 방법으로 고정 값 = 1을 선택하는 것이 적절한 지 누군가가 알고 있는지 궁금합니다. 미리 감사드립니다. 표