Estou tentando ajustar um modelo de efeitos aleatórios e cruzados de 3 níveis para um resultado contínuo para estimar os respectivos componentes de variância de cada nível dos 3 (para médicos) Nível 3: Médicos ID Nível 2: ID de Paciente Nível 1: estágio (1 e 2) Para este estudo, cada médico previu a taxa de mortalidade para todos os pacientes em duas vezes. Assim, clínico e paciente é um efeito cruzado e o paciente e o estágio estão aninhados (penso eu). Eu presumi que o id dos Médicos é cruzado com o paciente e o paciente está aninhado no palco. Eu tentei o modelo de efeitos aleatórios cruzados para esses dados, mas não converge. Qualquer sugestão será muito apreciada. NOTICE: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisas Digitais e Educação Ajude o Grupo de Consultoria Estatal, oferecendo exemplos de livros de Stata Técnicas de Análise Multilaborais e Aplicações por Joop Hox Capítulo 2: Modelo Básico de Regressão de Dois Nível: Introdução O conjunto de dados usado neste capítulo é popular. dta. Os programas que usamos neste capítulo são gllamm e gllapred. Você pode encontrar os programas e baixá-los emitindo o comando findit gllamm e findit gllapred (consulte Como posso usar o comando findit para procurar programas e obter ajuda adicional para obter mais informações sobre o uso do findit). Para mais informações, consulte gllamm. org. Tabela 2.1 na página 17. Parte1: interceptar apenas. (M0). O desvio é obtido multiplicando a probabilidade do log por -2. Parte 2: O sexo variável é incluído como efeito aleatório e experiência do professor (texp) como efeito fixo (M1). Tabela 2.2 na página 20. Parte 1: Idêntico ao último modelo apresentado na tabela 2.1. Parte 2: Interação de nível cruzado de sexo variável e texp está incluída. Observe que este modelo leva muito tempo para ser executado. Tabela 2.3 na página 21. Parte 1: M1 da tabela 2.2. Parte 2: variáveis padronizadas. Primeiro criamos variáveis padronizadas: zpopular. Zsex e ztexp. Figura 2.1 na página 23 com base no modelo M1 da Tabela 2.2. Depois de executar o M1, o comando gllapred pode ser usado para gerar vários valores previstos. Aqui, usamos gllapred primeiro para gerar o valor previsto usando apenas a parte fixa da equação (xb) e depois gerar os meios posteriores (previsões empíricas de Bayes) e desvios padrão dos efeitos aleatórios (u). Postm1 corresponde ao efeito aleatório da interceptação e pósm2 corresponde ao efeito aleatório do sexo variável. Portanto, a previsão usando o efeito fixo e o efeito aleatório será a nossa nova variável linp abaixo. Podemos então usá-lo para gerar os resíduos padronizados, que são stdres. Figura 2.2 na página 24. Com base no que geramos para a figura 2.1, podemos fazer o seguinte: Figura 2.3 na página 24. Figura 2.4 na página 25. Figura 2.6 na página 28. O conteúdo deste site não deve ser interpretado Como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.
No comments:
Post a Comment