Mixed和GLM之间的差别

monstercalo 发表于 2014-3-31 21:05
glm和mixed的自变量都可以是连续变量？那估计出来的参数有什么意义呢？也是反映是否主效果(或随机效果）特 ...

对于这种模型，你想比较其中两个变量之间的差别，可以直接在模型里面用estimate选项自己设立一个表达式来求，什么样的都可以，连续型变量的参数就是回归方程的变量系数啊，怎么会没有意义呢？其实glm是功能最强大的线性拟合过程步，基本上所有的线性过程都可以用glm来完成，而广义线性模型用的就是genmod，我觉得那个世界统计与分析全才写的不太好，就是翻译sas的help，有的地方还翻译的太过于直接，还是看sas公司的原版教材比较有收获

intheangel 发表于 2014-3-31 21:11
对于这种模型，你想比较其中两个变量之间的差别，可以直接在模型里面用estimate选项自己设立一个表达式来 ...

SAS公司原版教材哪里有下？谢谢！

我只是想搞清楚一下这些模型的应用，呵呵，倒不是就是这些模型；那个多重比较的选项在mixed model里面还能用么？

monstercalo 发表于 2014-3-31 21:19
SAS公司原版教材哪里有下？谢谢！

我只是想搞清楚一下这些模型的应用，呵呵，倒不是就是这些模型；那个 ...

恩，你google都可以搜到的，sas 的书有很多，各个方面的都有，mixed我也用的不多，所以我也不太清楚，如果你只想做anova的话，proc anova就已经足够了吧。

intheangel 发表于 2014-3-31 21:21
恩，你google都可以搜到的，sas 的书有很多，各个方面的都有，mixed我也用的不多，所以我也不太清楚，如果 ...

我的模型变量挺复杂的，有二分 有连续 有类别，而且这些变量自身也是完全不同性质的，比如有的是化合物浓度，有的是一些物理因素，也有疾病
一是想了解针对某一变量，哪些变量对它的影响显著，这个肯定得用回归分析，不过有的用logistic，有的用glm，有的用reg，这么看mixed model更好，只是现在对它还不了解
二是想了解有显著效应的某一变量的不同水平之间的大小，肯定用方差分析了吧

现在还不确定 主效应和随机效应 怎么选择区分？头疼，而且mixed model里面似乎还细分了很多更复杂的模型

monstercalo 发表于 2014-3-31 21:27
我的模型变量挺复杂的，有二分 有连续 有类别，而且这些变量自身也是完全不同性质的，比如有的是化合物浓 ...

不管自变量是什么样的，如果没有随机项，只有response是连续变量，一个glm就可以了，如果你要估计有显著的变量内哪个比较好，你可以加一个lsmens在下面就可以看lsmean a；a各个水平的均值，可以比较各个水平的差别，重要的是response，不是自变量，自变量再复杂也ok

intheangel 发表于 2014-3-31 22:20
不管自变量是什么样的，如果没有随机项，只有response是连续变量，一个glm就可以了，如果你要估计有显著的 ...

lsmeans 也可以在means里面用lsd吧？我以前都是用means；

如果是连续自变量的话，means或者lsmeans就没有作用了吧？

class 后面的变量可以是类别也可以是连续的吧？

monstercalo 发表于 2014-3-31 22:27
lsmeans 也可以在means里面用lsd吧？我以前都是用means；

如果是连续自变量的话，means或者lsmeans就没 ...

对啊，但是如果是连续变量不是你就不用比较不同数值对结果的影响么？就是类别变量的才会用means来看变量的不同水平对结果的影响啊，做这个比较的时候最好用lsmeans，因为如果是变量数目不同的话，很多变量means和lsmeans算出来不一样

intheangel 发表于 2014-3-31 22:43
对啊，但是如果是连续变量不是你就不用比较不同数值对结果的影响么？就是类别变量的才会用means来看变量的 ...

means里面用lsd 和lsmeans是一样的么？

1.If all independent variables are categorical, i.e, specified in CLASS statement, then it is ANOVA; when some of predicators are continuous, called ANCOVA. Both can be done in GLM procedure. PROC ANOVA is specialized on balanced ANOVA, a special case in GLM ANOVA model. Some people prefer Proc ANOVA, even very few, is only because ANOVA procedure is more efficient than GLM procedure somehow.
2.When random effects were involved in a model, we use Mixed model to manage the random effects and thus the correlation caused by the ‘randomness’. Without random effect, we don’t see the difference between GLM and MIXED procedure, even though they are based on different assumptions and estimation methods.
3.The lsd from means has nothing to do with lsmeans statement, which gives ‘means’ by assuming complete cells were observed.
JingJu

jingju11 发表于 2014-4-1 05:53
1.If all independent variables are categorical, i.e, specified in CLASS statement, then it is ANOVA; ...

many thanks!

how to select "random effect variables" if we have many variables in the model?