3 Апреля
Обобщенные линейные модели
(более широкий круг задач, чем общая линейная модель)
свободный член, степень отличия данной характеристики от 0 - интерсепт
Развивает идеи структурного моделирования
Ограниченность - общей ЛМ: Метрический уровень измерения и нормальность - ограниченность Общей ЛМ. Но нормальность можно решить с помощью дисп-го анализа, но порядковые данные не можем все равно. Не могли включать в модели многоуровневневые данные - один уровень детерменирован перменной болеее высокого уровня, когда испытуемые включены в контекст более высокого уровня (когда один фактор моделирует влияние других факторов).
Уровни анализа:
низкий: выделяем НП и ЗП
дополнительная переменная
дополнительная переменная
Как влияет на НП ЗП в зависимости от уровня 2 и 3. Медиаторы детерминирует, оказывают влияние на взаимодейсвтие между НП и ЗП на уровне нижележащих факторов.
Сходства и различия наклона кривых и интерсептов на разных уровнях. Вариация отклонения есть на разных уровнях - то есть связь, нет - нету связи.
Проверяем гипотеза: более высокого уровня контекстные ЗП оказывают моделирующие, ослабляющее влияние на ниже лежащие.
Критерий хорошести - насколько наши данные соответствуют одной из тех моделей.
анализ - обобщенные линейные модели (многогофакторный дисп-й анализ без оценки случайныз фак) и обобщенные уравнения оценки (уже работают случаеные факторы)
анализы - смешанные модели - обобщенные модели (многомерный многофаторный дисп-й анализ/ микс модели/ вкл случайный фактор)
хотим обработать неколличесвтенные переменные. Влияет ли на способность чтения экон статус, пол, этническая принадлежность
анализ - обобщенные линейные модели
Тип модели
количсевтенный отклик 0 можем спокойно использовать лисп-й анализ, фактичсеки тоже самое
если порядковый уровень измерения, работаем с частотами или наминальными данными, то этого нет в дисперсионном анализе.
У нас отклик бинарный - бинарная логстическая модель (два ответа «сдал» или «не сдал)
порядковые данные - порядковая логистическая
Настаивание
кол-е оценки - нормальное распределение
Порядковые - биноминарное; тогда связь - логистическая (логист)
Еще смотрим отклик - выделить ЗП. Опорные категории: первое (отличается ли кол-во детей не сдавших от сдавших; оцениваем несдавших по отношению к сдавшим)
Предикторы - НП
ковариата -кол-ая перменная, связананя с НП, вкл в регрессивную модель, может ее усиливать
Фактически мы сравниваем частоты.
Модель
МЕжфакторнное взаимодейсвтие - внизу - задать вложенный член
Оценивания
Оценка параметров - метод (гибридный - сначала делается один метода, если не очень хорошие оценки выдаются, то спсс делает другой)
Ковариационные матрицы - оценка на основе моделей (биноминальная модель, все пармметры будут оцениваться статистически) или устойчивая оценка (при оценки данных отличных от нормального распределения)
Статистики
!!! вкл оценки экспоненциальных параметров - галку. Так как здесь оценивается логорифм отношения правдоподобия.
Результаты: мы проверяем проценты, частоты. См информация о категориальных переменных. Статистики согласия: тем меньше величина статистического показатель, тем лучше наша модель; чем меньше показатель «акаике», тем лучше. Общий критерий хи2 - чем меньше значимость, тем лучше модель объясняет наши данные. ПРоверка эффекта в модели: смотрим на значимость. Оценка параметров: Exp (b) девочки - 1, мальчик 0,658 (лучше решают тест).
анализ - обобщенная ЛМ
в модели добавляем межфакторное взаимодейсвие
обобщенный линейный оценки - аналог АНОВА с повторными измерениями. Оцениваем значимость, как межгрупповых, так и внутригрупповых. Гипотеза: влияют ли факторы (ЗП) на НП в зависимоти от …например времени года.
анализ - смешанные модели - обобщенная линейная модель
объект - единица анализа (тут строим многоуровневую модель, важно не ошибиться, кто кого детерминирует)