मेरे पास एक डेटा सेट है जिसमें चर मैं एक यादृच्छिक प्रभाव के रूप में उपयोग करना चाहता हूं केवल कुछ स्तरों के लिए एक ही अवलोकन है। पिछले सवालों के जवाबों के आधार पर, मैं इकट्ठा हुआ हूं, सिद्धांत रूप में, यह ठीक हो सकता है।
क्या मैं उन विषयों के साथ मिश्रित मॉडल फिट कर सकता हूं जिनमें केवल 1 अवलोकन है?
रैंडम इंटरसेप्ट मॉडल - प्रति विषय एक माप
हालांकि, दूसरे लिंक में, पहला उत्तर बताता है:
"... यह मानते हुए कि आप सामान्यीकृत रैखिक मिश्रित मॉडल GLMM का उपयोग नहीं कर रहे हैं, जहां उस स्थिति में अति-फैलाव के मुद्दे खेलने आते हैं"
मैं GLMM का उपयोग करने पर विचार कर रहा हूं, लेकिन मैं वास्तव में यह नहीं समझता कि एकल टिप्पणियों के साथ यादृच्छिक प्रभाव का स्तर मॉडल को कैसे प्रभावित करेगा।
यहाँ उन मॉडलों में से एक का एक उदाहरण है जिसे मैं फिट करने की कोशिश कर रहा हूँ। मैं पक्षियों का अध्ययन कर रहा हूं, और मैं प्रवास के दौरान स्टॉप की संख्या पर आबादी और मौसम के प्रभावों को मॉडल करना चाहूंगा। मैं व्यक्तिगत रूप से एक यादृच्छिक प्रभाव के रूप में उपयोग करना चाहता हूं, क्योंकि कुछ व्यक्तियों के लिए मेरे पास 5 साल तक का डेटा है।
library(dplyr)
library(lme4)
pop <- as.character(c("BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "BF", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "MA", "NU", "NU", "NU", "NU", "NU", "NU", "NU", "NU", "NU", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA", "SA"))
id <- "2 2 4 4 7 7 9 9 10 10 84367 84367 84367 84368 84368 84368 84368 84368 84368 84369 84369 33073 33073 33073 33073 33073 33073 33073 33073 33073 80149 80149 80149 80150 80150 80150 57140 57141 126674 126677 126678 126680 137152 137152 137157 115925 115925 115925 115925 115925 115925 115925 115925 115926 115926 115926 115926 115926 115926 115927 115928 115929 115929 115929 115930 115930 115930 115930 115931 115931 115931 115932 115932 115932"
id <- strsplit(id, " ")
id <- as.numeric(unlist(id))
year <- "2014 2015 2014 2015 2014 2015 2014 2015 2014 2015 2009 2010 2010 2009 2010 2010 2011 2011 2012 2009 2010 2009 2009 2010 2010 2011 2011 2012 2012 2013 2008 2008 2009 2008 2008 2009 2008 2008 2013 2013 2013 2013 2014 2015 2014 2012 2013 2013 2014 2014 2015 2015 2016 2012 2013 2013 2014 2014 2015 2013 2012 2012 2013 2013 2012 2013 2013 2014 2013 2014 2014 2013 2014 2014"
year <- strsplit(year, " ")
year <- as.numeric(unlist(year))
season <- as.character(c("fall", "spring", "fall", "spring", "fall", "spring", "fall", "spring", "fall", "spring", "fall", "fall", "spring", "fall", "fall", "spring", "fall", "spring", "spring", "fall", "spring", "fall", "spring", "fall", "spring", "fall", "spring", "fall", "spring", "spring", "fall", "spring", "spring", "fall", "spring", "spring", "fall", "fall", "fall", "fall", "fall", "fall", "fall", "spring", "fall", "fall", "fall", "spring", "fall", "spring", "fall", "spring", "spring", "fall", "fall", "spring", "fall", "spring", "spring", "fall", "fall", "fall", "fall", "spring", "fall", "fall", "spring", "spring","fall", "fall", "spring", "fall", "fall", "spring"))
stops <- "0 0 0 0 0 0 1 0 2 1 1 0 0 3 2 0 1 1 0 1 1 2 0 1 0 2 0 4 0 0 2 1 1 2 5 2 1 0 9 6 2 3 4 7 2 0 0 0 0 0 2 0 0 1 0 0 0 0 0 0 1 1 0 0 1 1 0 0 1 1 0 0 0 0"
stops <- strsplit(stops, " ")
stops <- as.numeric(unlist(stops))
stopdata <- data.frame(pop = pop, id = id, year = year, season = season, stops = stops, stringsAsFactors = FALSE)
stopdata <- group_by(stopdata, pop, id)
summary1 <- summarise(stopdata, n.years = length(year))
table(summary1$n.years)27 व्यक्ति हैं। 9 व्यक्तियों का एक ही अवलोकन है। 18 व्यक्तियों में 2-9 अवलोकन हैं।
यदि 1/3 यादृच्छिक प्रभाव स्तरों का केवल एक ही अवलोकन है, तो इसके बारे में क्या चिंता होनी चाहिए?
मैं विचार कर रहा हूं:
विकल्प 1: ऊपर वर्णित अनुसार GLMM
stops.glmm <- glmer(stops ~ pop + season + (1|id), data=stopdata, family = poisson)विकल्प 2: भारित सामान्यीकृत रैखिक मॉडल GLM का उपयोग कई टिप्पणियों वाले व्यक्तियों के लिए किया जाता है
aggfun <- function(data, idvars=c("pop", "season", "id"), response){
#select id variables, response variable, and year
sub1 <- na.omit(data[,c(idvars, "year", response)])
#aggregate for mean response by year
agg1 <- aggregate(sub1[names(sub1) == response],by=sub1[idvars],FUN=mean)
#sample size for each aggregated group
aggn <- aggregate(sub1[response],by=sub1[idvars],FUN=length)
#rename sample size column
names(aggn)[4] <- "n"
agg2 <- merge(agg1, aggn)
agg2}
#Create weighted dataset
stops.weight <- aggfun(data = stopdata, response = "stops")
stops.weight$stops <- round(stops.weight$stops)
#Weighted GLM
stops.glm <- glm(stops~pop + season, data=stops.weight, family = poisson, weights = n)