不好意思，我手上有笔重复测量的资料，目前在分析上有一些问疑惑，想问看看有没有人 可以给点意见 关於这笔资料的背景是， 我们让参与者进行一个套圈圈的游戏，每个人有十次机会可以选择他要站在哪里套， 我们给他15条线/难度（离目标物越远越难）选择，并将他选择的线与他之前在此游戏的 基准表现相比，把他们的选择分成四类（前进很多，前进适中，後退适中，後退很多） 我们关心的是当这些参与者如果经历过在前进适中的位置失败後，下一次的选择会是什麽？ 所以，我把每个受试者的10次尝试中，前一次投掷结果为在前进适中失败的尝试抓出来 （也就是可能有人在十次里都没有这种经验，所以就不会有任何资料进来， 如果有人有三次尝试都是前一次是前进适中失败，那这个人就会有三笔资料被纳入） 人数分配如下： 前一次前进适中失败次数 0 1 2 3 4 5 6 有该状况人数 16 51 32 13 1 3 1 结果变项就是前一次前进适中失败後下次的选择，如前面所说有四类 （前进很多，前进适中，後退适中，後退很多），所以是名义变项 因此，我把这样的资料视为unbalanced correlated data，每个人有的资料数不同， 每笔资料（选择）又在人底下 所以我就去检验一个Generalized Linear Mixed Model with random intercept 主要SAS code如下： proc GLIMMIX data=hula; class subj choicetype; model choicetype = / dist=multi link=glogit s DDFM=BW; random int/ subject=subj group=choicetype; 我在分析方法上，试了三种，包括预设的Residual PL, 以及Laplace, and Quadrature. 但前两者的结果有点不一样， 使用Residual PL，其中一个截距估计值为0.65, p-value=0.003 但若改用Laplace with empirical SE，估计值为0.42, p-value=0.098 请问这两个结果我应该怎麽选择？ 另一方面，之所以会尝试quadrature是因为我在Vonesh (2012)里看到， cluster size较小时，Residual PL & Laplace的估计会biased 而我的cluster size应该是算小的，所以想说也用quadrature跑看看。 但悲剧就是他的叠代无法收敛， output出现了"optimization routine cannot improve the function value." 我猜可能是因为Change这个值最後会变成负的，所以就不能再继续叠代了 这个情况就算我将预设的dual Quasi-Newton用其他的algorithm (NRRIDG, NEWRAP, and DBLDOG)代替，都一样会有负的change value而终止叠代 想请问这样的收敛上的问题该怎麽解决？ 或是有版友可以建议我去找谁或哪个方向询问吗？ 感谢 -- ◢██◣ ◢ ◣ ◢██◣ ◢ ◣ ◢██◣ ◢◣ ◣ █ ◢ ◣ ◢◣◢◣ █▅▅▅ █ █ █▅▅█ ████ █ █ █◥◣█ █ █ █ █◥◤█ ◥▅▅▅ ◥███ ◥ ◥ █ ◥███ ◥ ◥█ █ ◥███ ◥ █ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.162.86.126 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1406509293.A.EDB.html ※ 编辑: eup958 (1.162.86.126), 07/28/2014 09:01:56 ※ 编辑: eup958 (1.162.86.126), 07/28/2014 09:03:24 ※ 编辑: eup958 (1.162.86.126), 07/28/2014 09:03:56