問題タブ [mlm]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - rma.mv() を使用して R で全体的な効果サイズを計算する:「サブセット」または「改造」を使用しますか?
3 種類の暴力的な結果に対する 3 種類の判断の全体的な効果の大きさを計算しています。このマルチレベル メタ分析の各研究には、複数の種類の判断および/または複数の種類の暴力に対する効果の大きさがあります。当然のことながら、効果の大きさの独立性はありません。これが、R メタ パッケージで rma.mv() 関数を使用している理由です。
ここで、各暴力タイプの判断ごとの平均効果サイズを計算するという問題が生じます。 これを行う最善の方法については、これまでのところガイダンスを見つけることができませんでした。暴力的な結果ごとに判断ごとに単一の効果サイズを評価する最も論理的な方法は、それをサブセット化し、判断と結果をペアにすることです。これは、他の結果や判断によって妨げられることはありません。例を以下に埋め込みます。
Viol.A<- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2 & Judgment ==3)
翻訳は、暴力犯罪 (結果 ==2) に対する判断 A スコア (判断 ==3) の全体的な効果の大きさです。
同僚は、結果変数のみをサブセット化し、すべての判定タイプを同じ rma.mv() に入れて、その結果の各判定の効果サイズに到達することに疑問を抱いています。直感的には、完全に正しくはありません。この出力は、他の判断に何らかの形で依存しているという感覚がありますか? この方法で行う例を以下に示します。
Viol <- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2, mods = ~ A+B+C)
mods = ~ 3 つの判断 (Instrument A、Instrument B、Instrument C)。
どちらの操作でも効果の大きさが異なります。どちらのオプションが正しいかについてフィードバックを得ることができる限り、私の直感が間違っていてうれしいです。なぜですか? Stack コミュニティに感謝します。
mysql - MySQL の階層データのノード数
以下のリンクから解決策を得ました。これは非常にうまく機能しますが、名前ではなく、さまざまなレベルのアイテムを数えたいと思っています。誰もがそれがどのように可能かを助けることができます. http://mikehillyer.com/articles/managing-hierarchical-data-in-mysql/
上記の表で次のクエリを実行すると、結果が得られます:-
ここでは、クエリを変更して、名前ではなく、さまざまなレベルのアイテムの数をカウントする必要があります。たとえば、上記のデータからの結果
r - Subset cases in which there were more than 3 observations in longitudinal data?
Have a set of longitudinal data in which measures were repeatedly collected at various waves (see example of set up below. As this sort of data goes however, there was attrition, with some waves stopping before the study ended. However, my analysis has the assumption that each participant have at least 3 observations
| ID | Wave | Score |
|---|---|---|
| 1000 | 0 | 5 |
| 1000 | 1 | 4 |
| 1001 | 0 | 6 |
| 1001 | 1 | 6 |
| 1001 | 2 | 7 |
How would I subset only those IDs (subjects) that have at least 3 observations? I've looked into similar questions on stackoverflow but they do not seem to fit this specific issue.
r - 縦断/パネルデータを使用した多項従属変数のモデル化 (R)
実行したい分析に問題があり、代替手段があるかどうか疑問に思っていました。基本的に、縦方向のデータセット (またはパネル データ) と、カテゴリカルで時不変の従属変数 (グループ メンバーシップ) があります。例えば：
| ID | 時間 | グループ | セックス | 年 | X1 | X2 | X3 |
|---|---|---|---|---|---|---|---|
| 1 | 1 | あ | M | 23 | 4 | 6 | 2 |
| 1 | 2 | あ | M | 23 | 2 | 6 | 1 |
| 1 | 3 | あ | M | 23 | 3 | 5 | 4 |
| 2 | 1 | B | ふ | 31 | 5 | 6 | 3 |
| 2 | 2 | B | ふ | 31 | 5 | 7 | 2 |
| 2 | 3 | B | ふ | 31 | 1 | 3 | 1 |
| 3 | 1 | ハ | M | 27 | 4 | 2 | 4 |
| 3 | 2 | ハ | M | 27 | 5 | 3 | 4 |
| 3 | 3 | ハ | M | 27 | 2 | 3 | 3 |
したがって、時不変変数 (性別、年齢) と時変変数 (X1、X2、X3) の両方があり、DV (グループ) は個人内で一定です。通常、ここでの正しい分析は混合多項ロジット回帰になると思いますが、多数のパッケージを試した後、R でそのようなモデルを実行する方法を見つけられませんでした。
グループ メンバーシップをモデル化するために使用できる他の種類の分析があるかどうか疑問に思っていました。縦断判別分析などの他の分析を検討しましたが、それらは多項式ではなくバイナリ結果を使用する傾向があります。「multgee」のようなパッケージも調べましたが、これらのパッケージの結果変数はすべての時点で測定されます (ここでのグループは時間の経過とともに静的です)。
見逃した混合多項モデルに関連するパッケージ、またはこのデータ構造/結果変数を説明するために使用できる別のパッケージはありますか? ここで何か助けていただければ幸いです。