Figura 7-13
Equazioni di stima generalizzate: scheda Esporta
Esporta modello come dati. Genera un insieme di dati in formato IBM® SPSS® Statistics che contiene la correlazione dei parametri o la matrice di covarianza utilizzando le stime dei parametri, gli errori standard, i valori di significatività e i gradi di libertà. L’ordine delle variabili nelfile della matrice è come segue.
Variabili di distinzione. Se utilizzata, qualsiasi variabile definisce le divisioni.
RowType_Assume valori (ed etichette di valori)COV(covarianze),CORR(correlazioni),EST (stime dei parametri),SE(errori standard),SIG(livelli di significatività) eDF(gradi di libertà del disegno di campionamento). Per ogni modello di parametro vi è un caso separato con tipo di rigaCOV(oCORR) e anche un caso separato per ciascuno degli altri tipi di riga.
VarName_Assume i valoriP1,P2, ..., che corrispondono a un elenco ordinato di tutti i parametri dei modelli stimati (ad eccezione dei parametri di scala o dei parametri binomiali negativi), per i tipi di rigaCOVorCORR, con etichette dei valori corrispondenti alle stringhe
96 Capitolo 7
dei parametri mostrate nella tabella Stime dei parametri. Le celle sono vuote per gli altri tipi di riga.
P1, P2, ...Queste variabili corrispondono a un elenco ordinato di tutti i parametri dei modelli (inclusi i parametri di scala e i parametri binomiali negativi, se necessario), con etichette delle variabili corrispondenti alle stringhe dei parametri mostrate nella tabella Stime dei parametri, e assumono i valori in base al tipo di riga.
Per i parametri ridondanti, tutte le covarianze sono impostate su zero e le correlazioni sono impostate sul valore mancante di sistema; tutte le stime dei parametri sono impostate su zero e tutti gli errori standard, i livelli di significatività e i gradi di libertà dei residui sono impostati sul valore mancante di sistema.
Per il parametro di scala, le covarianze, le correlazioni, il livello di significatività e i gradi di libertà sono impostati sul valore mancante di sistema. Se il parametro di scala viene stimato tramite la massima verosimiglianza, viene generato l’errore standard; altrimenti, tale parametro viene impostato sul valore mancante di sistema.
Per il parametro binomiale negativo, le covarianze, le correlazioni, il livello di significatività e i gradi di libertà sono impostati sul valore mancante di sistema. Se il parametro binomiale negativo viene stimato tramite la massima verosimiglianza, viene generato l’errore standard;
altrimenti, tale parametro viene impostato sul valore mancante di sistema.
Se vi sono divisioni, l’elenco di parametri deve essere accumulato in tutte le divisioni. In una determinata divisione, alcuni parametri possono risultare irrilevanti; cosa ben diversa dai parametri ridondanti. Per i parametri irrilevanti, tutte le covarianze o le correlazioni, le stime dei parametri, gli errori standard, i livelli di significatività e i gradi di libertà sono impostati sul valore mancante di sistema.
Questofile matrice può essere usato per definire i valori iniziali e stimare altri modelli. Si noti che questofile non può essere immediatamente usato per ulteriori analisi in altre procedure che eseguono la lettura di unfile di matrice a meno che queste procedure non accettino tutti i tipi di riga esportati qui. Nonostante ciò, è necessario accertarsi che tutti i parametri presenti in questo file di matrice abbiano lo stesso significato per la procedura che esegue la lettura delfile.
Esporta modello come XML.Consente di salvare le stime dei parametri e la matrice di covarianza dei parametri, se selezionata, in formato XML (PMML). È possibile utilizzare questofile di modello per applicare le informazioni del modello ad altrifile di dati per il calcolo del punteggio.
Funzioni aggiuntive del comando GENLIN
Il linguaggio della sintassi dei comandi consente inoltre di:
Specificare i valori iniziali per le stime dei parametri come elenco di numeri (utilizzando il sottocomandoCRITERIA).
Specificare una matrice di correlazione di lavorofissa (utilizzando il sottocomando REPEATED).
Fissare le covariate sui valori diversi dalle relative medie durante il calcolo delle medie marginali stimate (utilizzando il sottocomandoEMMEANS).
Equazioni di stima generalizzate
Specificare contrasti polinomiali personalizzati per le medie marginali stimate (utilizzando il sottocomandoEMMEANS).
Specificare un sottoinsieme dei fattori che consente di visualizzare le medie marginali stimate e di confrontarle utilizzando il tipo di contrasto specificato (utilizzando le parole chiave TABLESeCOMPAREdel sottocomandoEMMEANS).
VedereCommand Syntax Referenceper informazioni dettagliate sulla sintassi.
Capitolo
Modelli misti lineari generalizzati 8
I modelli misti lineari generalizzati estendono il modello lineare in modo che:
L’obiettivo venga linearmente correlato ai fattori e alle covariate tramite una funzione di collegamento specifica
L’obiettivo possa avere una distribuzione non normale
Le osservazioni possano essere correlate.
I modelli misti lineari generalizzati includono un’ampia varietà di modelli, dai modelli di regressione lineare semplice ai modelli complessi a più livelli per dati longitudinali non normali.
Figura 8-1
Scheda Struttura dati
© Copyright SPSS Inc. 1989, 2010 98
Modelli misti lineari generalizzati La scheda Struttura dati consente di specificare le relazioni strutturali tra i record nell’insieme di dati quando le osservazioni sono correlate. Se i record nell’insieme di dati rappresentano osservazioni indipendenti, non è necessario specificare alcuna opzione in questa scheda.
Soggetti. La combinazione di valori dei campi categoriali specificati deve definire in modo univoco i soggetti nell’insieme di dati. Ad esempio, il campo singoloID pazienteè generalmente sufficiente per definire i pazienti di un ospedale. Tuttavia, se i codici di identificazione dei pazienti non sono univoci tra gli ospedali, può essere necessario usare la combinazione di variabiliID ospedaleeID paziente. Se sono previste più misurazioni, vengono registrate più osservazioni per ciascun soggetto, quindi è possibile che ciascun soggetto occupi più record nell’ambito dell’insieme dei dati.
Unsoggettoè un’unità di osservazione che può essere considerata indipendente rispetto ad altri soggetti. Ad esempio, i risultati della misurazione della pressione sanguigna di un paziente in uno studio medico sono da considerarsi indipendenti rispetto alle misurazioni effettuate sugli altri pazienti. La definizione dei soggetti è particolarmente importante nel caso in cui esistano misurazioni ripetute per ciascun soggetto e si desideri determinare una correlazione tra queste osservazioni. Ad esempio, è possibile stabilire se esiste una correlazione tra le misurazioni della pressione sanguigna di un paziente rilevate nel corso di più visite mediche.
Tutti i campi specificati come Soggetti nella scheda Struttura dati vengono usati per definire i soggetti della struttura della covarianza residua e forniscono l’elenco dei campi possibili per la definizione dei soggetti per le strutture di covarianza a effetti casuali nelBlocco effetti casuali.
Misure ripetute. I campi specificati in questo punto vengono utilizzati per identificare le osservazioni ripetute. Ad esempio, la variabile singolaSettimanapotrà identificare le 10 settimane di osservazione in uno studio medico, mentre le variabiliMeseeGiornoutilizzate contemporaneamente potranno identificare le osservazioni giornaliere nel corso di un anno.
Definisci gruppi covarianza per.I campi specificati in questo punto definiscono insiemi indipendenti di parametri di covarianza a effetti ripetuti, uno per ogni categoria definita dalla classificazione incrociata dei campi di raggruppamento. Tutti i soggetti presentano lo stesso tipo di covarianza; i soggetti all’interno dello stesso gruppo di covarianza presentano gli stessi valori per i parametri.
Tipo di covarianza ripetuta.Questo tipo di covarianza specifica la struttura della covarianza per i residui. Le strutture disponibili sono:
Autoregressivo di primo ordine (AR1)
Autoregressivo a media mobile (1,1) (ARMA11)
Simmetria composta
Per ulteriori informazioni, vedere l’argomento Strutture della covarianza in l’appendice B a pag. 161.
100 Capitolo 8