यह वास्तव में एक अत्यंत परिष्कृत समस्या है और आपके व्याख्याता से एक कठिन प्रश्न है!
आप अपने डेटा को कैसे व्यवस्थित करते हैं, इस संदर्भ में, 1070 x 10 आयत ठीक है। उदाहरण के लिए, R में:
> conflict.data <- data.frame(
+ confl = sample(0:1, 1070, replace=T),
+ country = factor(rep(1:107,10)),
+ period = factor(rep(1:10, rep(107,10))),
+ landdeg = sample(c("Type1", "Type2"), 1070, replace=T),
+ popincrease = sample(0:1, 1070, replace=T),
+ liveli =sample(0:1, 1070, replace=T),
+ popden = sample(c("Low", "Med", "High"), 1070, replace=T),
+ NDVI = rnorm(1070,100,10),
+ NDVIdecl1 = sample(0:1, 1070, replace=T),
+ NDVIdecl2 = sample(0:1, 1070, replace=T))
> head(conflict.data)
confl country period landdeg popincrease liveli popden NDVI NDVIdecl1 NDVIdecl2
1 1 1 1 Type1 1 0 Low 113.4744 0 1
2 1 2 1 Type2 1 1 High 103.2979 0 0
3 0 3 1 Type2 1 1 Med 109.1200 1 1
4 1 4 1 Type2 0 1 Low 112.1574 1 0
5 0 5 1 Type1 0 0 High 109.9875 0 1
6 1 6 1 Type1 1 0 Low 109.2785 0 0
> summary(conflict.data)
confl country period landdeg popincrease liveli popden NDVI NDVIdecl1 NDVIdecl2
Min. :0.0000 1 : 10 1 :107 Type1:535 Min. :0.0000 Min. :0.0000 High:361 Min. : 68.71 Min. :0.0000 Min. :0.0000
1st Qu.:0.0000 2 : 10 2 :107 Type2:535 1st Qu.:0.0000 1st Qu.:0.0000 Low :340 1st Qu.: 93.25 1st Qu.:0.0000 1st Qu.:0.0000
Median :1.0000 3 : 10 3 :107 Median :1.0000 Median :1.0000 Med :369 Median : 99.65 Median :1.0000 Median :0.0000
Mean :0.5009 4 : 10 4 :107 Mean :0.5028 Mean :0.5056 Mean : 99.84 Mean :0.5121 Mean :0.4888
3rd Qu.:1.0000 5 : 10 5 :107 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:106.99 3rd Qu.:1.0000 3rd Qu.:1.0000
Max. :1.0000 6 : 10 6 :107 Max. :1.0000 Max. :1.0000 Max. :130.13 Max. :1.0000 Max. :1.0000
(Other):1010 (Other):428
> dim(conflict.data)
[1] 1070 10
एक मॉडल की फिटिंग के लिए, @ gui11aume के रूप में glm () फ़ंक्शन मूल बातें करेगा।
mod <- glm(confl~., family="binomial", data=conflict.data)
anova(mod)
... लेकिन इसकी समस्या यह है कि यह "देश" (मैं मान रहा हूं कि आपके पास अपनी 107 इकाइयों के रूप में देश है) एक निश्चित प्रभाव के रूप में है, जबकि एक यादृच्छिक प्रभाव अधिक उपयुक्त है। यह एक साधारण कारक के रूप में भी अवधि का इलाज करता है, किसी भी ऑटोक्रेलेशन की अनुमति नहीं है।
आप सामान्यीकृत रैखिक मिश्रित प्रभाव वाले मॉडल के साथ पहली समस्या को संबोधित कर सकते हैं जैसे कि आर में बेट्स एट अल के एल 4 पैकेज। यहां इसके कुछ पहलुओं का अच्छा परिचय है । कुछ इस तरह
library(lme4)
mod2 <- lmer(confl ~ landdeg + popincrease + liveli + popden +
NDVI + NDVIdecl1 + NDVIdecl2 + (1|country) +(1|period), family=binomial,
data=conflict.data)
summary(mod2)
एक कदम आगे होगा।
अब आपकी अंतिम शेष समस्या आपके 10 अवधियों के दौरान स्वसंबंध है। मूल रूप से, प्रत्येक देश पर आपके 10 डेटा बिंदु उतने मूल्य के नहीं होते हैं जितने कि वे 10 बेतरतीब ढंग से स्वतंत्र और पहचान वाले वितरित बिंदुओं के रूप में चुने जाते हैं। मैं एक गैर-सामान्य प्रतिक्रिया के साथ एक बहुस्तरीय मॉडल के अवशेषों में स्वत: सहसंबंध के लिए व्यापक रूप से उपलब्ध सॉफ़्टवेयर समाधान के बारे में नहीं जानता। निश्चित रूप से यह lme4 में लागू नहीं किया गया है। दूसरे मुझसे ज्यादा जान सकते हैं।