일반화 선형 혼합 모형 분석법 개요
모형 적합 플랫폼의 GLMM(일반화 선형 혼합 모형) 분석법을 사용하면 복소 공분산 구조와 다양한 반응 분포를 가진 모형을 분석할 수 있습니다. 정규, 지수, 감마, 로그 정규, 베타, 이항, Poisson, 음이항 등의 여러 분포를 사용할 수 있습니다. 이러한 분포를 사용하면 연속형 반응뿐만 아니라 범주형 반응과 개수 반응도 적합시킬 수 있습니다. GLMM 프레임워크는 다음과 같은 유형의 모형 구조에 유용합니다.
• 랜덤화된 완비/불완비 블록 설계
• 분할구 실험
• 랜덤 계수 모형
GLMM 분석법은 선형 혼합 모형 프레임워크와 일반화 선형 모형 프레임워크라는 두 가지 기존 방법을 조합한 것입니다.
선형 혼합 모형은 JMP에서 모형 적합 플랫폼의 표준 최소 제곱 또는 혼합 모형 분석법을 사용하여 적합됩니다. 선형 혼합 모형을 적합시키면 모형에서 임의 효과를 정확하게 나타낼 수 있습니다. 그러나 이러한 모형은 반응 변수가 가우스 변수, 즉 무한 범위에서 연속적이라고 가정합니다. 비가우스 반응 변수가 있을 때 임의 효과를 적합시키려면 이 가정이 문제가 됩니다.
일반화 선형 모형은 JMP에서 모형 적합 플랫폼의 일반화 선형 모형 또는 일반화 회귀 분석법을 사용하여 적합됩니다. 일반화 선형 모형을 적합시키면 이산형 개수 데이터 또는 이진 데이터와 같은 비가우스 반응을 모델링할 수 있습니다. 그러나 임의 효과를 포함할 수 없습니다.
선형 혼합 모형과 일반화 선형 모형 프레임워크를 결합하면 임의 효과도 포함하고, 비가우스 반응 분포에 대해 가설 검정 및 정확한 추정을 수행할 수 있습니다. 예를 들어 GLMM 분석법을 사용하여 임의 효과가 있는 로지스틱 회귀를 적합시킬 수 있습니다.