İstatistik Sözlüğü → Genelleştirilmiş Doğrusal Karma Modeller
Genelleştirilmiş Doğrusal Karma Modelleranaliz
İkili ya da sayım biçimindeki sonuçları, gözlemlerin hasta, okul, sürü ya da saha gibi kümelerde toplandığı verilerde, sabit etkilere ek olarak kümeden kümeye değişen rastgele etkilerle modelleyen regresyon yöntemi.
Kavram
Lojistik ve Poisson regresyonu gözlemlerin bağımsız olduğunu varsayar. Oysa aynı sürüdeki hayvanların hastalanma olasılığı, aynı hastanedeki hastaların komplikasyon riski ya da aynı okuldaki öğrencilerin başarısı birbirine benzer. Genelleştirilmiş doğrusal karma model (GLMM), genelleştirilmiş doğrusal modele kümeye özgü rastgele bir etki ekleyerek bu benzerliği modeller.
Model, sonucun beklenen değerini bir bağlantı fonksiyonu aracılığıyla hem sabit etkilere hem de her kümenin rastgele sapmasına bağlar; örneğin ikili sonuçta logit P(y = 1) = β₀ + β₁x₁ + … + uⱼ. Burada uⱼ, j'inci kümenin ortalamadan farkıdır ve normal dağıldığı varsayılır; varyansı (σ²ᵤ) kümeler arası farklılığın büyüklüğünü gösterir. Katsayılar kişiye ya da kümeye özgü (koşullu) etkilerdir: 'aynı küme içinde, bir öngörücü bir birim değiştiğinde odds ne kadar değişir?' sorusunu yanıtlar. Olabilirlik doğrudan hesaplanamadığı için Laplace ya da uyarlamalı Gauss-Hermite kareleme gibi sayısal yaklaşımlar kullanılır.
Varsayımlar: rastgele etkiler normal dağılır, bağlantı fonksiyonu ve dağılım ailesi uygundur. Sayım verisinde aşırı yayılım varsa Poisson yerine negatif binom ailesi gerekir. Küme sayısı azsa kümeler arası varyans belirsiz kestirilir. Koşullu katsayılar, GEE'nin verdiği popülasyon ortalamalı katsayılardan genellikle mutlak değerce büyüktür; hangisinin raporlanacağı araştırma sorusuna bağlıdır.
Ne zaman kullanılır?
- Sonuç ikili ya da sayım ise ve gözlemler kümelenmiş ya da tekrarlı ölçülmüşse; kümeler arası farklılığın büyüklüğü ve küme içi etkiler ilgi konusuysa (hastanelerdeki komplikasyonlar, sürülerdeki hastalık oranı, öğrencilerin sınavı geçme durumu).
- Sonuç sürekliyse doğrusal karma model (LMM); kümeye özgü değil yalnız popülasyon ortalamalı etkiler isteniyorsa genelleştirilmiş tahmin denklemleri (GEE) kullanılır.
- Kümelenme yoksa sıradan lojistik ya da Poisson regresyonu yeterlidir; sayımlar Poisson'un beklediğinden çok daha dağınıksa negatif binom ailesi seçilmelidir.
Gündelik bir örnek
Bir veteriner, 20 sığır sürüsünü dört mevsim boyunca izliyor ve her mevsimde kaç hayvanın solunum hastalığına yakalandığını, sürünün kaç hayvandan oluştuğuyla birlikte kaydediyor. Bazı sürüler barınak koşulları nedeniyle sürekli daha riskli. GLMM sürüyü rastgele kesişim olarak alır ve mevsim etkisini sürüler arasındaki bu kalıcı farkları hesaba katarak kestirir. Örneğin kış mevsimi için OR = 2,2 bulunursa, aynı sürü içinde kışın hastalanma odds'u yaza göre yaklaşık 2,2 kattır.
MerQur'da parametreler
Bağımsız değişkenler, Bağımlı değişken (DV), Grup değişkeni (random intercept)
Kavram: Bağımlı değişken ve öngörücüler modelin sabit kısmını, grup değişkeni ise her kümeye kendi düzeyini veren rastgele kesişimi tanımlar.
Gündelik örnek: Sürü örneğinde bağımlı değişken hastalanan hayvan sayısı, öngörücü mevsim, grup değişkeni sürüdür. Rastgele kesişim, bir sürünün diğerlerine göre kalıcı olarak daha riskli ya da daha güvenli olmasını hesaba katar.
Ne işe yarar: y'yi, sabit etkileri ve rastgele kesişimin küme kimliğini belirler. Metin faktörlerde ilk düzey referanstır.
Sonuca etkisi: Tüm çıktıları belirler. Sayısal öngörücüler içeride standardize edilip geri dönüştürülür; katsayılar özgün ölçektedir.
Doğrulama verisinde: hdp'de CancerStage (I-IV) metin faktörüdür, temel düzey I; katsayılar özgün ölçekte raporlanır.
Family (Binomial (logistic) / Poisson (count) / Negative binomial NB2 (overdispersed count))
Kavram: Sonucun koşullu dağılımını belirler: ikili ya da olay/deneme verisinde binom, sayımda Poisson, varyansı ortalamadan büyük sayımlarda negatif binom.
Gündelik örnek: Sonuç 'sürüde hasta hayvan var mı?' ise binom; 'bir hayvanın bir yılda kaç kez tedavi gördüğü' ise Poisson seçilir. Bazı hayvanlar çok sık tedavi görüyorsa sayımlar dağınıktır ve negatif binom daha uygundur.
Ne işe yarar: Koşullu dağılımı seçer; NB2 için Var = μ + μ²/θ.
Sonuca etkisi: Katsayı ölçeği, aşırı yayılım ve θ değişir.
Doğrulama verisinde: epilepsy Poisson trt_time -0.1047 (0.0650), NB2 -0.3119 (0.1415; θ 6.770). grouseticks NB2 θ 3.276.
Yöntem (Maksimum olabilirlik - adaptif Gauss-Hermite (AGQ) / Varyasyonel Bayes (VB))
Kavram: Modelin kestirim yaklaşımını belirler. En çok olabilirlik (AGQ) frekansçı kestirim ve standart hatalar verir; varyasyonel Bayes hızlı bir yaklaşık Bayesçi yöntemdir ve verdiği posterior standart sapmalar belirsizliği küçümseyebilir, bu yüzden frekansçı standart hata gibi okunmamalıdır.
Gündelik örnek: Raporda p-değerleri ve güven aralıkları verilecekse en çok olabilirlik seçilir. Çok büyük bir veride hızlı bir ön sonuç için varyasyonel Bayes kullanılabilir ama belirsizlik ölçüleri temkinle yorumlanmalıdır.
Ne işe yarar: ML-AGQ frekansçı marjinal olabilirliği, VB (ortalama-alan) posteriori yaklaşıklar.
Sonuca etkisi: VB posterior SD'leri ML SH'lerinden çok küçüktür; MerQur bunu uyarıyla ve "posterior SD; frekansçı SH değildir" notuyla belirtir. Olay/deneme, offset, negatif binom veya logit dışı bağda VB desteklenmez; uyarıyla ML kullanılır.
Doğrulama verisinde: amenorrhea trt_time SH 0.0325 (VB) ve 0.1922 (ML); hdp CancerStage IV 0.1326 ve 0.1581.
nAGQ
Kavram: Rastgele etkiler üzerinden integral alınan olabilirliği sayısal olarak yaklaşıklamak için kullanılan nokta (düğüm) sayısıdır. 1 değeri Laplace yaklaşımına karşılık gelir; düğüm sayısı arttıkça sonuç kesinleşir ama hesap uzar.
Gündelik örnek: Her sürüde yalnız birkaç hayvan varsa ve hastalık seyrekse Laplace yaklaşımı kaba kalabilir. Düğüm sayısını 25'e çıkarmak, sonucun yaklaşımdan kaynaklanan hatasını küçültür; daha fazla artırmak sonucu artık pek değiştirmez.
Ne işe yarar: Kareleme düğüm sayısı; 1 = Laplace. Arttıkça marjinal olabilirlik kesinleşir.
Sonuca etkisi: logLik, varyans bileşeni ve katsayılar değişir.
Doğrulama verisinde: hdp logLik nAGQ 1: -3695.9925; 7: -3689.6239; 25 ve 50: -3689.6165; σ²_u 3.925 -> 4.061. amenorrhea'da Laplace trt_time 0.5472, nAGQ 50 ile 0.5644.
→ Uyarlanır Gauss-Hermite kuadratürü (AGQ) ve Laplace yaklaşımı
Bağ fonksiyonu (binom) (logit / probit / cloglog)
Kavram: İkili sonuçta olasılığı doğrusal öngörücüye bağlayan dönüşümdür. Logit katsayıları odds oranı olarak okunur; probit normal dağılım ölçeğinde, cloglog ise olayın seyrek olduğu ya da bir süre içinde gerçekleşme olasılığının modellendiği durumlarda kullanılır.
Gündelik örnek: Veteriner sonuçları odds oranıyla anlatmak istiyorsa logit seçer. Bağlantı değiştikçe mevsim katsayısının sayısal değeri değişir ama 'kışın risk daha yüksek' sonucu genellikle aynı kalır.
Ne işe yarar: Binom yanıt için bağ fonksiyonunu seçer.
Sonuca etkisi: Katsayı ölçeği değişir; Nakagawa dağılım varyansı π²/3, 1, π²/6 olur.
Doğrulama verisinde: hdp CancerStage IV: logit -2.3371, probit -1.3397, cloglog -1.7309.
Deneme sayısı (olay/deneme)
Kavram: Sonuç 'n denemeden kaç başarı' biçimindeyse deneme sayısını belirtir; model her satırı tek bir evet/hayır yerine bir oran olarak ele alır.
Gündelik örnek: Bir sürüde 40 hayvandan 6'sı, başka bir sürüde 15 hayvandan 3'ü hastalandıysa deneme sayısı sürü büyüklüğüdür. Böylece model 6'yı 40 hayvan, 3'ü 15 hayvan üzerinden değerlendirir.
Ne işe yarar: y başarı sayısı, seçilen sütun deneme sayısıdır (cbind(y, n - y)).
Sonuca etkisi: Model olay/deneme binomu olarak kurulur; oran Σy/Σn ile özetlenir.
Doğrulama verisinde: cbpp period4 -1.5795 (0.4276), σ_u 0.6475. multicenter σ²_u 0.6209.
Offset (doğrusal öngörücü ölçeği)
Kavram: Doğrusal öngörücüye katsayısı 1'e sabit olarak eklenen terimdir; sayım modellerinde genellikle gözlem süresinin ya da maruziyetin logaritmasıdır ve model sayımı değil oranı açıklar.
Gündelik örnek: Sonuç 'bir sürüde görülen tedavi sayısı' ise ve sürüler farklı sürelerle izlendiyse, izlenen ay sayısının logaritması offset olarak girer; model 'ayda kaç tedavi' karşılaştırması yapar.
Ne işe yarar: Doğrusal öngörücüye katsayısı 1 ile eklenen terim (ör. log süre).
Sonuca etkisi: Sabit değişir; offset diğer öngörücülerin doğrusal birleşimiyse diğer katsayılar ve logLik aynı kalır.
Doğrulama verisinde: epilepsy ltime ile sabit 1.0327, ltime olmadan 3.1121.
Rastgele etki LRT (GLMM vs GLM, σ²_u = 0)
Kavram: Rastgele etkinin gerekli olup olmadığını, yani kümeler arası varyansın sıfır olup olmadığını, rastgele etkili ve rastgele etkisiz modelleri karşılaştırarak sınar. Varyans negatif olamadığından p-değeri sınır düzeltmesiyle hesaplanır.
Gündelik örnek: Test anlamlıysa sürüler hastalık riski bakımından gerçekten birbirinden farklıdır ve sıradan lojistik regresyon standart hataları olduğundan küçük gösterirdi.
Ne işe yarar: σ²_u = 0 için rastgele etkisiz modele karşı olabilirlik oranı; χ²(1) ve sınır karışımı p.
Sonuca etkisi: Ek satır.
Doğrulama verisinde: hdp χ² 2435.3213; cbpp 14.0917; epilepsy Poisson 2614.96, NB 243.44.
EMMEANS faktörü ve EMMEANS p düzeltmesi
Kavram: Kestirilmiş marjinal ortalamalar, kategorik bir faktörün her düzeyi için model tabanlı tahminlerdir; hem bağlantı ölçeğinde hem olasılık ya da sayım ölçeğinde verilebilir. İkili karşılaştırmalar çoklu karşılaştırma düzeltmesiyle yapılır.
Gündelik örnek: Model, tipik bir sürüde hastalanma olasılığını kışın 0,20, ilkbaharda 0,10, yazın 0,08, sonbaharda 0,12 olarak verebilir. Dört mevsim altı ikili karşılaştırma demektir ve düzeltme yanlış alarm riskini sınırlar.
Ne işe yarar: Kategorik faktör düzeylerinde bağlantı ve yanıt ölçeğinde marjinal ortalamalar ve düzeltmeli ikili karşılaştırmalar verir.
Sonuca etkisi: Yalnız EMM ve karşılaştırma tabloları eklenir; ana model değişmez.
Doğrulama verisinde: cbpp period olasılıkları 0.198, 0.084, 0.074, 0.048; hdp CancerStage karşılaştırmaları dört p düzeltmesiyle ayrı ayrı raporlanır.
EMM ikinci faktör (her düzeyinde karşılaştır): grup x zaman marjinal ortalamaları; nAGQ 25, EMMEANS p düzeltmesi: Tukey
Kavram: Grup ile zaman etkileşimli bir modelde grupları her zaman noktasında ayrı ayrı karşılaştırır; böylece grup farkının zamanla nasıl değiştiği görülür.
Gündelik örnek: Sürülerin yarısı aşılanmışsa aşılı ve aşısız sürüler her mevsimde ayrı ayrı karşılaştırılır. Fark kışın büyük, yazın küçükse aşının en çok riskli dönemde koruduğu görülür.
Ne işe yarar: Grup x zaman etkileşimli GLMM'de hücre marjinal ortalamalarını ve Tukey düzeltmeli karşılaştırmaları verir.
Sonuca etkisi: Ek marjinal ortalama ve karşılaştırma tabloları; ana model değişmez.
Doğrulama verisinde: epil (Poisson), toenail ve respiratory (ikili) verilerinde grup x zaman marjinal ortalamaları ve Tukey düzeltmeli karşılaştırmalar her zaman düzeyinde ayrı raporlanır.
Güven Düzeyi
Kavram: Katsayılar ve odds ya da oran oranları için verilen aralıkların güven düzeyini belirler; güven düzeyi arttıkça aralık genişler.
Gündelik örnek: Kış etkisinin OR'si 2,2 için %95 güven aralığı [1,3; 3,7] olabilir; %99 güvende aralık genişler.
Ne işe yarar: Wald aralığı düzeyini belirler; anlamlılık işareti aralığa göre verilir.
Sonuca etkisi: Yalnız aralıklar ve anlamlılık işareti değişir.
Doğrulama verisinde: hdp CancerStage IV: %80 (-2.540, -2.135), %90 (-2.597, -2.077), %99 (-2.744, -1.930).
Diğer çıktılar
Kavram: Kümeler arası varyansın belirsizliğini, açıklanan varyans oranlarını (Nakagawa R²: marjinal yalnız sabit etkiler, koşullu sabit ve rastgele etkiler birlikte), sınıf içi korelasyonu (ICC), aşırı yayılımı ve sıfırların beklenenden fazla olup olmadığını özetler.
Gündelik örnek: ICC = 0,15 ise hastalanma eğilimindeki farklılığın yaklaşık %15'i sürüler arasındaki farklardan gelir. Gözlenen sıfır sayısı beklenenden çok fazlaysa (hiç hasta olmayan birçok sürü) sıfır-şişirilmiş bir model düşünülmelidir.
Ne işe yarar: σ_u ve σ²_u SH'si (delta yöntemi), Nakagawa R² ve ICC, koşullu Pearson aşırı yayılımı ve sıfır şişkinliği denetimi.
Sonuca etkisi: Her koşuda ek satırlar olarak verilir.
Doğrulama verisinde: σ²_u SH hdp 0.4121; epilepsy Pearson aşırı yayılımı Poisson 2.294, NB 0.766; sıfır şişkinliği gözlenen 23, beklenen 6.229.
Gerçek veride örnek
Veri: Lesnoff vd. 2004 sığır plöropnömonisi, lme4 cbpp
Değişkenler: bağımlı incidence (yeni vaka), deneme sayısı size (sürü büyüklüğü), bağımsız period, grup herd (sürü); aile Binomial
- Soru: Sığır bulaşıcı plöropnömonisi (CBPP) vakalarının oranı (incidence / size) dört gözlem döneminde değişiyor mu? Aynı sürünün tekrarlı ölçümleri için sürüye rastgele kesişim verildi (binom GLMM, logit, uyarlamalı Gauss-Hermite nAGQ = 25).
- Varsayım: Pearson χ² = 62.98, sd = 51, oran = 1.235, p = .121; belirgin aşırı yayılım yoktur. Yalnız 15 sürü olduğundan varyans bileşeni belirsizdir (SH = 0.234); katsayılar denek-özgü (koşullu) etkidir, nüfus ortalamalı yorum için GEE kullanılmalıdır.
- Sonuç: İlk döneme (P1) göre hastalık odds'u sonraki dönemlerde anlamlı biçimde düşer: P2 OR = 0.371 (%95 GA [0.203, 0.677], p = .001), P3 OR = 0.324 (p < .001), P4 OR = 0.206 (%95 GA [0.089, 0.476], p < .001). Sürüler arası varyans σ²_u = 0.419 (SD = 0.648).
- Etki büyüklüğü: Gizil ölçekte ICC = 0.113 (düzeltilmiş); Nakagawa R² marjinal = .085, koşullu = .189; log-olabilirlik = -91.98, AIC = 193.97, BIC = 204.09.
- APA: Binom GLMM (nAGQ = 25), P4 ve P1: β = -1.58, SE = 0.43, z = -3.69, p < .001, OR = 0.21, %95 GA [0.09, 0.48]; σ²_herd = 0.42.
İlgili kavramlar
Olabilirlik oranı testi (LRT)Uyarlanır Gauss-Hermite kuadratürü (AGQ) ve Laplace yaklaşımıTahmini marjinal ortalamalar (EMM)Offset (maruziyet terimi)Bağlantı (link) fonksiyonuSınıf içi korelasyon (ICC)Sabit ve rastgele etkilerDağılım ailesi (GLM)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.