mppm模型中Strauss参数的测试意义
mppm模型中Strauss参数的测试意义
提问于 2022-01-02 02:17:35
我有一个后续的问题，从我的上一篇文章。
在创建这样的mppm模型时：
Str <- hyperframe(str=with(simba, Strauss(mean(nndist(Points)))))
fit0 <- mppm(Points ~ group, simba)
fit1 <- mppm(Points ~ group, simba, interaction=Str,
iformula = ~str + str:id)使用anova.mppm进行似然比测试表明，交互作为一个整体是非常重要的，但我也想测试：
- 每个个体的id是否表现出显著的规律性。
- ：某些id组是否表现出比其他组明显更强的抑制作用，例如，id 1-7是否比id 8-10更有规律。
- 对不同ids之间的正则性进行成对比较。
我知道我可以为每个id建立单独的ppm模型来测试每个id的显着性，但我不确定这是最好的方法。另外，我不认为带有每个Strauss交互参数p值的“摘要输出”可以用于与参考级别的两两比较。
任何建议都是非常感谢的。
谢谢!
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-01-03 01:13:20
首先，让我解释一下，对于吉布斯模型来说，可能性是难以解决的，所以anova.mppm进行的是调整后的复合似然比检验，而不是似然比检验。但是，您基本上可以将其视为基于偏差差异的似然比检验。
- 每个个体id是否具有显着的规律性
我知道我可以为每个id构建单独的ppm模型来测试每个id中的显着性，但我不确定这是最好的方法。
这是适当的。使用ppm将Strauss模型与单个点模式相匹配，并使用anova.ppm测试Strauss交互是否具有统计意义。
- ：某些id组是否表现出比其他组明显更强的抑制作用，例如，id 1-7是否比id 8-10更有规律。
引入一个新的分类变量(因子) f，它将要比较的两个组分开。在您的模型中，将术语f:str添加到交互作用公式中；这将给出另一种假设。除了在交互公式中包含术语f:str外，null和alternative模型是相同的。现在应用anova.mppm。就像所有的方差分析一样，这是一个双面检验.对于单边试验，在拟合的替代模型中，检验f:str系数的符号.如果它有你想要的符号，在相同的p值下报告它的重要性。否则，报告为非显着性。
- 对不同ids之间的正则性进行成对比较。
这还没有得到支持(无论是在理论上还是在软件上)。
恭喜你，你已经达到了现有方法的极限！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/70553196
复制相关文章
相似问题
腾讯云开发者
