« [統計][R]Rによる混合効果ロジスティック回帰(その2) | トップページ | [香椎・千早]桜 »

2008.04.09

[統計][R]Rによる混合効果ロジスティック回帰(その3)

 (その1)と(その2)では、計2つのデータセットで調べてみると、AICとresidual devianceの差が同じでしかも整数らしかった。2つではとてもではないが心許ないので、乱数を使っていろいろ作ってやってみる。

n1<-100
a1<-numeric(n1)
rd1<-numeric(n1)
x1<-seq(6)
ID1<-seq(6)
for (i1 in 1:n1){
y1<-floor(runif(6,min=1,max=20))
y2<-floor(runif(6,min=1,max=20))
tdata1<-data.frame(x1,ID1,y1,y2)
res1<-glmmML(cbind(y1,y2)~1+x1,family=binomial,cluster=ID1,data=tdata1)
a1[i1]<-res1$aic
rd1[i1]<-res1$deviance
}
で100通りのデータでやってみると、結果は、

> a1-rd1
[1] 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
[42] 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
[83] 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
となって、いつでも6だった。どうやら、residual devianceを計算する基準となっているモデルの対数尤度を0としてAICを求めているらしい。

|

« [統計][R]Rによる混合効果ロジスティック回帰(その2) | トップページ | [香椎・千早]桜 »

コメント

この記事へのコメントは終了しました。

トラックバック


この記事へのトラックバック一覧です: [統計][R]Rによる混合効果ロジスティック回帰(その3):

« [統計][R]Rによる混合効果ロジスティック回帰(その2) | トップページ | [香椎・千早]桜 »