Apakah ada algoritma standar (sebagai lawan program) untuk melakukan regresi linier hirarkis? Apakah orang biasanya hanya melakukan MCMC atau ada lebih khusus, mungkin sebagian bentuk tertutup, algoritma?
sumber
Apakah ada algoritma standar (sebagai lawan program) untuk melakukan regresi linier hirarkis? Apakah orang biasanya hanya melakukan MCMC atau ada lebih khusus, mungkin sebagian bentuk tertutup, algoritma?
Ada Harvey Goldstein iteratif generalisasi-kuadrat terkecil (IGLS) algoritma untuk satu, dan juga itu modifikasi kecil, dibatasi iteratif umum-kuadrat terkecil (RIGLS), yang memberikan perkiraan yang tidak bias dari parameter varians.
Algoritma ini masih berulang, jadi bukan bentuk tertutup, tetapi secara komputasi lebih sederhana daripada MCMC atau kemungkinan maksimum. Anda hanya mengulanginya sampai parameter bertemu.
Goldstein H. Analisis Multilevel-Linear-Model Campuran Menggunakan Iterative Generalized Least-Squares. Biometrika 1986; 73 (1): 43-56. doi: 10.1093 / biomet / 73.1.43
Goldstein H. Terbatas Iteratif Generalized Leak-Unlimited Estimasi. Biometrika 1989; 76 (3): 622-623. doi: 10.1093 / biomet / 76.3.622
Untuk info lebih lanjut tentang ini dan alternatifnya, lihat misalnya:
Paket lme4 dalam R menggunakan kuadrat iteratif reweighted terkecil (IRLS) dan menghukum iteratif kuadrat terkecil reweighted (PIRLS). Lihat PDF di sini:
http://rss.acs.unt.edu/Rdoc/library/lme4/doc/index.html
sumber
lmer()
fungsi dasar dalamlme4
paket R, Anda biasanya harus membaca seluruh kode C ++ untuk memahami implementasi PIRLS dilmer()
(yang mungkin menantang bagi kita yang tidak begitu berpengalaman dalam pemrograman C ++).Sumber lain yang baik untuk "algoritma komputasi" untuk HLM (sekali lagi sejauh Anda melihatnya sebagai spesifikasi yang mirip dengan LMM) adalah:
Algoritma yang mereka daftarkan untuk komputasi LMM meliputi:
Algoritma yang mereka daftarkan untuk GLMM meliputi:
Algoritma lain untuk GLMM yang mereka sarankan meliputi:
sumber
Jika Anda menganggap HLM sebagai jenis model campuran linier, Anda dapat mempertimbangkan algoritma EM. Halaman 22-23 dari catatan kursus berikut menunjukkan bagaimana menerapkan algoritma EM klasik untuk model campuran:
http://www.stat.ucla.edu/~yuille/courses/stat153/emtutorial.pdf
sumber