Иерархиялық жалпыланған сызықтық модель - Википедия - Hierarchical generalized linear model

Жылы статистика, иерархиялық жалпыланған сызықтық модельдер ұзарту жалпыланған сызықтық модельдер деген болжамды босату арқылы қателік компоненттері болып табылады тәуелсіз.^[1] Бұл модельдерді бірнеше қателіктер қажет болған жағдайда құруға мүмкіндік береді, сонымен қатар қателіктер арасындағы тәуелділікке мүмкіндік береді.^[2] Қате компоненттері болуы мүмкін өзара байланысты және міндетті түрде а қалыпты таралу. Әр түрлі кластерлер болған кезде, яғни бақылаулар тобы, бір кластердегі бақылаулар өзара байланысты болады. Шын мәнінде, олар оң корреляцияға ие, өйткені бір кластердегі бақылаулар кейбір жалпы ерекшеліктерге ие. Бұл жағдайда жалпыланған сызықтық модельдерді қолдану және корреляцияны ескермеу қиындық тудыруы мүмкін.^[3]

Шолу және модель

Үлгі

Иерархиялық модельде бақылаулар кластерлерге топтастырылады, ал бақылаудың таралуы барлық кластерлер арасындағы жалпы құрылыммен ғана емес, сонымен қатар осы бақылау жататын кластердің нақты құрылымымен де анықталады. Сонымен, модельге әртүрлі кластерлер үшін әр түрлі кездейсоқ әсер етуші компонент енгізілген. Келіңіздер ${ displaystyle y}$ жауап бол, ${ displaystyle u}$ кездейсоқ әсер болуы мүмкін, ${ displaystyle g}$ сілтеме функциясы болу, ${ displaystyle eta = X beta}$ , және ${ displaystyle v = v (u)}$ бұл қатаң монотонды функция туралы ${ displaystyle u}$ . Иерархиялық жалпыланған сызықтық модельде болжам ${ displaystyle y | u}$ және ${ displaystyle u}$ жасау керек:^[2] ${ displaystyle y mid u sim f ( theta, , phi)}$ және ${ displaystyle u sim f_ {u} ( альфа).}$

Сызықтық болжаушы келесі түрде болады:

{ displaystyle g (E (y)) = g ( mu) = eta = X beta + v ,}

қайда ${ displaystyle g}$ сілтеме функциясы болып табылады, ${ displaystyle mu = E (y)}$ , ${ displaystyle eta = X beta + v}$ , және ${ displaystyle v = v (u)}$ монотонды функциясы болып табылады ${ displaystyle u}$ . Бұл иерархиялық жалпыланған сызықтық модельде тіркелген эффект сипатталады ${ displaystyle beta}$ , бұл барлық бақылаулар үшін бірдей. Кездейсоқ компонент ${ displaystyle u}$ бақыланбайды және кластерлер арасында кездейсоқ түрде өзгереді. Сонымен ${ displaystyle v}$ бір кластердегі бақылаулар үшін бірдей мәнді және әр түрлі кластерлердегі бақылаулар үшін әр түрлі мәндерді алады.^[3]

Идентификация

Идентификация деген ұғым статистика. Параметрлік қорытынды жасау үшін сәйкестендіру қасиетінің орындалатындығына көз жеткізу керек.^[4] Жоғарыда келтірілген модельде $ v $ анықталмайды, өйткені

{ displaystyle X beta + v = (X beta + a) + (v-a) ,}

тұрақты үшін ${ displaystyle a}$ .^[2] Модельді сәйкестендіру үшін біз параметрлерге шектеулер қоюымыз керек. Шектеу, әдетте, кездейсоқ әсерлерге қойылады, мысалы ${ displaystyle E (v) = 0}$ .^[2]

Әр түрлі үлестірімдері және байланыстыру функциялары бар модельдер

Әр түрлі үлестірулерді қабылдау арқылы ${ displaystyle y mid u}$ және ${ displaystyle u}$ , және функцияларын қолдана отырып ${ displaystyle g}$ және ' ${ displaystyle v}$ , біз әртүрлі модельдерді ала аламыз. Оның үстіне жалпыланған сызықтық аралас модель (GLMM) - иерархиялық жалпыланған сызықтық модельдің ерекше жағдайы. Иерархиялық жалпыланған сызықтық модельдерде кездейсоқ эффекттің үлестірімдері ${ displaystyle u}$ міндетті түрде ұстанбайды қалыпты таралу. Егер таралу ${ displaystyle u}$ қалыпты және сілтеме функциясы туралы ${ displaystyle v}$ болып табылады сәйкестендіру функциясы, содан кейін иерархиялық жалпыланған сызықтық модель GLMM сияқты.^[2]

Таралуы ${ displaystyle y mid u}$ және ${ displaystyle u}$ сондай-ақ коньюгат ретінде таңдауға болады, өйткені жағымды қасиеттер бар және есептеу мен түсіндіру оңайырақ.^[2] Мысалы, егер ${ displaystyle y mid u}$ болып табылады Пуассон бөлудің белгілі бір орташа мәні бар ${ displaystyle u}$ болып табылады Гамма, және канондық журнал сілтемесі қолданылады, содан кейін біз модель Пуассон коньюгатын иерархиялық жалпыланған сызықтық модельдер деп атаймыз. Егер ${ displaystyle y u u mid$ келесі биномдық тарату белгілі бір орташа мәнмен, ${ displaystyle u}$ конъюгатасы бар бета-тарату, және канондық логиттік сілтеме қолданылады, содан кейін модельді Бета конъюгат моделі деп атаймыз. Сонымен қатар, аралас сызықтық модель дегеніміз - қалыпты конъюгат иерархиялық жалпыланған сызықтық модельдер.^[2]

Жиі қолданылатын модельдердің қысқаша мазмұны:^[5]

Жиі қолданылатын модельдер
Үлгі атауы	у бөлу	Y және u арасындағы байланыс функциясы	u бөлу	U мен v арасындағы байланыс функциясы
Қалыпты конъюгат	Қалыпты	Жеке басын куәландыратын	Қалыпты	Жеке басын куәландыратын
Биномдық конъюгат	Биномдық	Логит	Бета	Логит
Пуассон конъюгаты	Пуассон	Журнал	Гамма	Журнал
Гамма конъюгаты	Гамма	Өзара	Инв-гамма	Өзара
Binomial GLMM	Биномдық	Логит	Қалыпты	Жеке басын куәландыратын
Poisson GLMM	Пуассон	Журнал	Қалыпты	Жеке басын куәландыратын
Гамма GLMM	Гамма	Журнал	Қалыпты	Жеке басын куәландыратын

Иерархиялық жалпыланған сызықтық модельдерді қондыру

Иерархиялық жалпыланған сызықтық модельдер бақылаулар әртүрлі кластерлерден шыққан кезде қолданылады. Бағалаушылардың екі түрі бар: белгіленген эффект бағалаушылары және кездейсоқ эффект бағалаушылары, келесі параметрлерге сәйкес келеді: ${ displaystyle eta = mathbf {x} { boldsymbol { beta}}}$ және ${ displaystyle mathbf {v (u)}}$ сәйкесінше. Иерархиялық жалпыланған сызықтық модель үшін параметрлер бағаларын алудың әр түрлі әдістері бар. Егер тек тұрақты әсерді бағалаушылар қызығушылық танытса, популяцияның орташаланған моделін қолдануға болады. Егер қорытынды жеке адамдарға бағытталған болса, кездейсоқ әсерлерді болжау керек.^[3] Иерархиялық жалпыланған сызықтық модельге сәйкес келетін әртүрлі әдістер бар.

Мысалдар мен қосымшалар

Иерархиялық жалпыланған сызықтық модель өмірдегі әртүрлі мәселелерді шешу үшін қолданылған.

Инженерлік

Мысалы, бұл әдіс жартылай өткізгіш өндірісті талдау үшін пайдаланылды, өйткені өзара байланысты процестер күрделі иерархияны құрайды.^[6] Жартылай өткізгішті дайындау өзара байланысты әртүрлі процестерді қажет ететін күрделі процесс.^[7] Кластерлік деректерді қажет ететін иерархиялық жалпыланған сызықтық модель күрделі процесті шешуге қабілетті. Инженерлер осы модельді маңызды қосалқы процестерді табу және талдау үшін қолдана алады және сонымен бірге осы ішкі процестердің соңғы өнімділікке әсерін бағалайды.^[6]

Бизнес

Нарықты зерттеу есептерді иерархиялық жалпыланған сызықтық модельдерді қолдану арқылы да талдауға болады. Зерттеушілер бұл модельді халықаралық тұтынушыларға халықаралық маркетингтік зерттеулерде кірістірілген деректер құрылымындағы мәселелерді шешу үшін қолданды.^[8]

Әдебиеттер тізімі

^ Жалпыланған сызықтық модельдер. Чэпмен және Холл / CRC. 1989 ж. ISBN 0-412-31760-5.
^ ^а ^б ^c ^г. ^e ^f ^ж Ю.Ли; Дж. А. Нелдер (1996). «Иерархиялық жалпыланған сызықтық модельдер». Корольдік статистикалық қоғам журналы, B сериясы. 58 (4): 619–678. JSTOR 2346105.
^ ^а ^б ^c Агрести, Алан (2002). Категориялық деректерді талдау. Хобокен, Нью-Джерси: Джон Вили және ұлдары, Инк. ISBN 0-471-36093-7.
^ Олмэн, Элизабет С.; Матиас, Кэтрин; Родос, Джон А. (2009). «Көптеген бақыланатын айнымалылары бар жасырын құрылым модельдеріндегі параметрлерді анықтау». Статистика жылнамасы. 37, № 6A (6A): 3099-3132. arXiv:0809.5032. Бибкод:2008arXiv0809.5032A. дои:10.1214 / 09-AOS689.
^ Ларс Рёнегерд; Ся Шен; Мудуд Алам (желтоқсан 2010). «hglm: Иерархиялық жалпыланған сызықтық модельдерді орналастыру пакеті». R журналы. 2/2.
^ ^а ^б Навин Кумар; Кристина Мастранжело; Даг Монтгомери (2011). «Жалпыланған сызықтық модельдерді қолдану арқылы иерархиялық модельдеу». Халықаралық сапа және сенімділік инженері.
^ Чун Кван Шин; Санг Чан паркі (2000). «Жартылай өткізгіш өндірісіндегі кірісті басқаруға арналған машиналық оқыту тәсілі». Халықаралық өндірістік зерттеулер журналы. 38 (17): 4261–4271. дои:10.1080/00207540050205073.
^ Бурджу Тасолук; Корнелия Дрёге; Роджер Дж. Калантоне (2011). «HGLM модельдеріндегі өзара байланысты өзара түсіндіру: халықаралық маркетингтік зерттеулерде қолдану». Халықаралық маркетингтік шолу. 28 (1): 34–56. дои:10.1108/02651331111107099.

[1] Жалпыланған сызықтық модельдер. Чэпмен және Холл / CRC. 1989 ж. ISBN 0-412-31760-5.

[paper1996-2] а ^б ^c ^г. ^e ^f ^ж Ю.Ли; Дж. А. Нелдер (1996). «Иерархиялық жалпыланған сызықтық модельдер». Корольдік статистикалық қоғам журналы, B сериясы. 58 (4): 619–678. JSTOR 2346105.

[CDA-3] а ^б ^c Агрести, Алан (2002). Категориялық деректерді талдау. Хобокен, Нью-Джерси: Джон Вили және ұлдары, Инк. ISBN 0-471-36093-7.

[identifiability-4] Олмэн, Элизабет С.; Матиас, Кэтрин; Родос, Джон А. (2009). «Көптеген бақыланатын айнымалылары бар жасырын құрылым модельдеріндегі параметрлерді анықтау». Статистика жылнамасы. 37, № 6A (6A): 3099-3132. arXiv:0809.5032. Бибкод:2008arXiv0809.5032A. дои:10.1214 / 09-AOS689.

[5] Ларс Рёнегерд; Ся Шен; Мудуд Алам (желтоқсан 2010). «hglm: Иерархиялық жалпыланған сызықтық модельдерді орналастыру пакеті». R журналы. 2/2.

[engg-6] а ^б Навин Кумар; Кристина Мастранжело; Даг Монтгомери (2011). «Жалпыланған сызықтық модельдерді қолдану арқылы иерархиялық модельдеу». Халықаралық сапа және сенімділік инженері.

[7] Чун Кван Шин; Санг Чан паркі (2000). «Жартылай өткізгіш өндірісіндегі кірісті басқаруға арналған машиналық оқыту тәсілі». Халықаралық өндірістік зерттеулер журналы. 38 (17): 4261–4271. дои:10.1080/00207540050205073.

[mktresearch-8] Бурджу Тасолук; Корнелия Дрёге; Роджер Дж. Калантоне (2011). «HGLM модельдеріндегі өзара байланысты өзара түсіндіру: халықаралық маркетингтік зерттеулерде қолдану». Халықаралық маркетингтік шолу. 28 (1): 34–56. дои:10.1108/02651331111107099.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]