ओपनमैक्स का उपयोग करके समरूप और भ्रातृ जुड़वां बच्चों के लिए SEM वैचारिक मॉडल में पथ वज़न का विकल्प


10

मैं एसई मॉडल को निर्दिष्ट करने और फिट करने के तरीके जानने के लिए एक आनुवंशिक महामारी विज्ञान विश्लेषण के लिए आर पैकेज ओपनएमएक्स की समीक्षा कर रहा हूं। मैं अपने साथ इस सहन के लिए नया हूं। मैं OpenMx उपयोगकर्ता गाइड के पृष्ठ 59 पर उदाहरण का अनुसरण कर रहा हूं । यहां वे निम्नलिखित वैचारिक मॉडल तैयार करते हैं:

समान और भ्रातृ जुड़वां बच्चों के लिए SEM मॉडल

और रास्तों को निर्दिष्ट करने में, उन्होंने अव्यक्त "एक" नोड के प्रकट बीएम नोड्स "टी 1" और "टी 2" का वजन 0.6 होने का कारण निर्धारित किया है:

ब्याज के मुख्य मार्ग अव्यक्त चर में से प्रत्येक से संबंधित देखे गए चर में से हैं। ये भी अनुमानित हैं (इस प्रकार सभी नि: शुल्क हैं), 0.6 का एक उचित मूल्य और उपयुक्त लेबल प्राप्त करें।

# path coefficients for twin 1
mxPath(
  from=c("A1","C1","E1"),
  to="bmi1",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

# path coefficients for twin 2
mxPath(
  from=c("A2","C2","E2"),
  to="bmi2",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

0.6 का मान अनुमानित कोविरेंस bmi1और bmi2(कड़ाई से मोनो युग्मक जुड़वां जोड़े के) से आता है। मेरे दो सवाल हैं:

  1. जब वे कहते हैं कि पथ को 0.6 का "आरंभिक" मूल्य दिया गया है, तो क्या यह प्रारंभिक मूल्यों के साथ संख्यात्मक एकीकरण दिनचर्या स्थापित करने जैसा है, जैसे जीएलएम के आकलन में?

  2. इस मूल्य का अनुमान मोनोज़ाइगोटिक जुड़वाँ से कड़ाई से क्यों लगाया जाता है?

जवाबों:


4

अपने 2 बिंदुओं का उत्तर देने के लिए:

1) हां, बिल्कुल - शुरुआती मूल्य केवल तय कर रहा है कि एल्गोरिथ्म ऑप्टिमाइज़ेशन प्रक्रिया कहाँ शुरू करेगा। अधिकांश सॉफ्टवेयर पैकेज वास्तव में डिफ़ॉल्ट रूप से अपना स्वयं का शुरुआती मूल्य निर्धारित करते हैं, और उपयोगकर्ता को केवल आकलन के दौरान समस्या होने पर विभिन्न मूल्यों को इनपुट करने की कोशिश करने की आवश्यकता होती है। मेरे अनुभव से, सबसे प्रशंसनीय शुरुआती मूल्य क्या करेंगे, और अंतिम मॉडल को नहीं बदलेंगे, जिस पर एल्गोरिदम परिवर्तित होता है।

2) मान 0.6 T1 और T2 ("एक" और T1 और T2 के बीच का पथ) के अवरोधन के लिए शुरुआती मूल्य नहीं है, लेकिन यह इसके बजाय प्रत्येक अव्यक्त चर (ए, सी, ई) को जोड़ने वाले कारक लोडिंग के लिए शुरुआती मूल्य है ) उनके संकेतक T1 या T2 के लिए। यह इस तथ्य से संकेत मिलता है कि पथ from=c("A1","C1","E1"), to="bmi1"पहले मामले में जाता है, और from=c("A2","C2","E2"), to="bmi2"दूसरे मामले में।

विशिष्ट मान "0.6" के रूप में: मैं प्रलेखन में नहीं मिल सका, जहां वे इस मूल्य को मोनोज़ाइगोटिक जुड़वाँ उपसमूह के आधार पर लेने का उल्लेख करते हैं; और वास्तव में, इन पैरामीटर अनुमानों (3 अव्यक्त चर के लिए कारक लोडिंग) को सीधे नमूने से गणना नहीं की जा सकती है, क्योंकि परिभाषा के अनुसार, ये अव्यक्त चर अप्रतिबंधित हैं (वे अव्यक्त हैं)। जैसा कि मैंने बिंदु # 1 में उल्लेख किया है, शायद ही कभी दो प्रशंसनीय मूल्यों के बीच का विकल्प अभिसरण मॉडल के पैरामीटर अनुमानों को प्रभावित करता है, इसलिए मेरा अनुमान है कि उन्होंने शुरुआती मूल्यों के रूप में इन कारक लोडिंग के लिए कई प्रशंसनीय मूल्यों में से एक को चुना। क्या यह मान मोनोज़ाइगोटिक-ट्विन उपसमूह में bmi1 और bmi2 के बीच अनुमानित कोविरेंस से आता है, केवल अप्रासंगिक होना चाहिए, क्योंकि किसी भी प्रशंसनीय शुरुआती मूल्यों को एल्गोरिथ्म को उसी अंतिम मूल्यों पर अभिसरण करने के लिए नेतृत्व करना चाहिए, शायद गणना समय में कुछ अंतर के साथ। (और खुद को समझाने की मेरी सलाह है: इसे आज़माएं! कई शुरुआती मूल्यों की कोशिश करें और अभिसरण के पैरामीटर अनुमानों की तुलना करें)।

एक सामान्य नोट के रूप में, मैं इंगित करूंगा कि किसी भी पैरामीटर अनुमान के लिए मान शुरू करने का विकल्प बहुत महत्वपूर्ण हो जाता है यदि तर्क freeसेट किया जाता है FALSE, क्योंकि प्रारंभिक मूल्य प्रभावी रूप से अंतिम मॉडल में पैरामीटर अनुमान का मूल्य बन जाएगा (यह नहीं होगा अनुमान लगाया जाना चाहिए; यह अनुमान से पहले तय हो गया है)।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.