相关文章推荐
爱笑的马铃薯  ·  香港4女1男明星聚众吸毒剪影曝光(图)_手机新浪网·  2 年前    · 
聪明的冰棍  ·  标致雪铁龙的混动技术是什么水平？ - 知乎·  2 年前    · 
帅气的消防车  ·  法系车要逆袭！雪铁龙天逸PHEV曝光：搭全球 ...·  2 年前    · 
独立的帽子  ·  莫斯科人Moskvich ...·  2 年前    · 
ibaobao  ·  【原神桃文】将神里绫华拐走~ - 哔哩哔哩·  3 年前    · 
Code  ›  Chapitre 16 GLMM binomiale négative | Atelier 7: Modèles linéaires et généralisés linéaires mixtes
https://r.qcbs.ca/workshop07/book-fr/glmm-binomiale-n%C3%A9gative.html
闷骚的蛋挞
10 月前
  • Modèles linéaires à effets mixtes (MLM) en R
  • 1 Objectifs d’apprentissage
  • 2 Préparez-vous pour cet atelier
  • 3 Pourquoi choisir un MLM?
  • 4 Commencer par une question
  • 4.1 Défi 1
  • 5 Analyse des données
  • 5.1 Option 1: Nombreuses analyses séparées
  • 5.2 Option 2: Une analyse groupée
  • 5.3 Option 3: Est-ce qu’on a une autre option?
  • 6 Effets fixes vs effets aléatoires
  • 6.1 Effet fixe: processus déterministes
  • 6.2 Effet aléatoire: processus stochastiques
  • 7 Comment fonctionnent les MLMs?
  • 7.1 Les paramètres peuvent varier
  • Ordonnée à l’origine:
  • Pentes
  • 7.2 Tenir compte de la structure des données
  • 7.3 Défi 2
  • Implémenter un MLM dans R
  • 8 Le protocole pour implémenter des modèles à effets mixtes dans R
  • 9 Étape 1. Construction du modèle a priori
  • 9.1 Exploration des données
  • 9.2 Vérifier la colinéarité
  • 9.3 Défi 3
  • 9.4 Considérez l’échelle
  • 9.5 Avez-vous besoin d’un MLM?
  • 10 Étape 2. Coder le modèle
  • 10.1 Note sur les méthodes d’estimation
  • 10.2 Différentes structures de modèles
  • 10.3 Défi 4
  • 10.4 Défi 5
  • 10.5 Comparing models
  • 11 Step 3. Validation du modèle
  • 11.1 1. Vérifier l’homogénéité de la variance
  • 11.2 2. Vérifier l’indépendance des résidus
  • 11.3 3. Vérifier la normalité
  • 12 Step 4. Interprétation et visualisation
  • 12.1 Interprétation de notre modèle
  • 12.2 Défi 6
  • 12.3 Défi 7
  • 12.4 Défi 8
  • Modèles Linéaires Généralisés Mixtes (GLMMs) en R
  • 13 Introduction aux GLMM
  • 14 Choisir la distribution des erreurs
  • 15 GLMM Poisson
  • 16 GLMM binomiale négative
  • 17 GLMM Poisson-lognormale
  • 17.1 Intercepts aléatoires
  • 17.2 Représentation graphique des paramètres du modèle
  • 18 Modèle final
  • 18.1 Défi 9
  • Ressources additionnelles par LMM et GLMM
  • 19 Ressources additionnelles
  • 20 References
  • QCBS R Workshop Series
    •  
    推荐文章
    爱笑的马铃薯  ·  香港4女1男明星聚众吸毒剪影曝光(图)_手机新浪网
    2 年前
    聪明的冰棍  ·  标致雪铁龙的混动技术是什么水平？ - 知乎
    2 年前
    帅气的消防车  ·  法系车要逆袭！雪铁龙天逸PHEV曝光：搭全球首款三电机插混 马力300匹 - OFweek智能汽车网
    2 年前
    独立的帽子  ·  莫斯科人Moskvich 3将在俄罗斯上市，贴牌思皓X4？_搜狐汽车_搜狐网
    2 年前
    ibaobao  ·  【原神桃文】将神里绫华拐走~ - 哔哩哔哩
    3 年前
    今天看啥   ·   Py中国   ·   codingpro   ·   小百科   ·   link之家   ·   卧龙AI搜索
    删除内容请联系邮箱 2879853325@qq.com
    Code - 代码工具平台
    © 2024 ~ 沪ICP备11025650号