Contenu connexe
Plus de TokorosawaYoshio (10)
データ解析のための勉強会第7章
- 10. GLMでモデリングしてみる
> d <- read.csv("http://hosho.ees.hokudai.ac.jp/~kubo/stat/iwanamibook/
fig/glmm/data.csv", as.is=TRUE)
> glm(data=d, cbind(y,N-y)~x, family="binomial")
Call: glm(formula = cbind(y, N - y) ~ x, family = "binomial", data = d)
Coefficients:
(Intercept) x
-2.1487 0.5104
Degrees of Freedom: 99 Total (i.e. Null); 98 Residual
Null Deviance: 607.4
Residual Deviance: 513.8 AIC: 649.6
切片:-2.1487
傾き:0.5104
ここで
真の切片:-4
真の傾き:1
- 24. GLMMのパラメータを推定
> library(glmmML)
> glmmML(data=d, cbind(y, N-y)~x, family = binomial, cluster = id,
method="ghq")
Call: glmmML(formula = cbind(y, N - y) ~ x, family = binomial, data = d,
cluster = id, method = "ghq")
coef se(coef) z Pr(>|z|)
(Intercept) -4.1296 0.9055 -4.561 5.10e-06
x 0.9903 0.2141 4.625 3.75e-06
Scale parameter in mixing distribution: 2.494 gaussian
Std. Error: 0.3093
LR p-value for H_0: sigma = 0: 1.792e-56
Residual deviance: 264.5 on 97 degrees of freedom AIC: 270.5
- 36. 参考にした情報(書籍)
• 医学統計のための線型混合モデル G.Verbeke
– 事例が多く解説も丁寧だがSAS
– 絶版
• 一般化線形モデル 粕谷英一
– 第6章に一般化線形混合モデルの解説あり。Rの関連
パッケージの詳しい説明があるので手を動かす時に
一読をおすすめする。
• 一般化線形モデル入門 Annette J.Dobson
– 第11章にクラスターデータおよび経時データへの対
応としてGLMMが紹介されている。数式で簡潔に表現
されておりわかりやすい。
- 37. 参考にした情報(WEB)
• Wolfeyes Bioinformatics
– 秀逸な混合分布のアニメーション
– http://yagays.github.io/blog/2012/11/09/glm-mcmc-chp7-2/
– GLMMとGLMの比較をシミュレーションで
– http://yagays.github.io/blog/2012/11/02/glm-mcmc-chp7/
• MIZUMOTO LABLOG
– GLMM(ここでは階層線型モデル)についてのわかりやすい資料
あり。また、関連資料がまとまっていてリンク集としても非常
に有用
– http://mizumot.com/lablog/archives/179