跳到主要內容

glmmTMB vs. GLMMadaptive

--- title: glmmTMB vs. GLMMadaptive author: Ju tags: - blog - R/packages ---

記錄一下分析資料時使用glmmTMB以及GLMMadaptive的心得

glmmTMB GLMMadaptive
估計方法 Laplace approximation adaptive Gauss-Hermite quadrature
預測值 可以進行單純count part預測、zero part預測,以及兩部份模型加起來的期望值預測 沒辦法只進行count part預測,只能做zero part預測,以及兩部份模型加起來的期望值預測

估計方法的差異在本次zero-inflated model使用過程中有很大的使用經驗差異。glmmTMB比較常出現convergent problem,而GLMMadaptive幾乎沒有。根據glmmTMB的troubleshooting說明,會出現問題主要是和random effect有關,如果拿掉zero part random intercept就不會再跳出錯誤訊息了。而根據GLMMadaptive做的模型比較,有沒有zero part random intercept其實沒有顯著的差異。因此如果不強求一定要納入zero part random intercept,兩個packages的結果是一致的。不過如果一定要納入zero part random intercept,那就只能使用GLMMadaptive才不會有錯誤警告出現。

兩個套件的另一個差異是在進行預測(predict)時,glmmTMB可以只根據count part的結果進行預測,而GLMMadaptive不行。會有這個需求是因為很常只有count part的預測變項有顯著的結果,但是zero part沒有顯著的預測變項,因此若只想要看count part的預測線時,GLMMadaptive沒辦法給我這個結果1

文獻上討論Laplace approximation和adaptive Gauss-Hermite quadrature哪一種估計方法比較準的有好幾篇,我大概看了一下他們的結論,其實不同研究的結果並不一致2

另一個使用上的差異是在安裝上,GLMMadaptive安裝比較沒有什麼問題。但是glmmTMB因為還需要TMB,有時候在更新套件時會有版本不一致的情況,有點小困擾。


  1. 也許emmeans::qdgr()可以,但需要試試看 ↩︎

  2. 不過glmmTMB的作者在他的網頁上提到,Gauss-Hermite quadrature比Laplace approximation還要準確,但是估計速度比較慢(但在我的資料感覺不出來),而且random effect的數量上限制比較多。 ↩︎

留言

這個網誌中的熱門文章

聽完社會認知測驗後感想

先說結論 夭壽讚 今天聽團隊內另一個博士後研究員李士捷分享社會認知評估測驗 本來我只預期會聽到目前有什麼測驗,在測什麼能力或是特質 結果李博士前言後語不缺地完整介紹了社會認知能力的重要性以及目前的測驗所延伸的一些發現 這些測驗包含了情緒辨識測驗以及社會知識、弦外之音(言下之意)測驗 聽完很有啟發性,似乎看到了些模糊的影子 ​

2010年以後同理心相關研究

上一篇 整理了TSSCI中2010年以後同理心相關研究,接下來繼續整理scopus當中同理心相關的國際期刊研究。 scopus出來的結果眾多,我先限制範圍至psychology領域當中 這些文獻當中,一部份的研究是同理心量表的中文版信效度研究,包含了: Chinese-language Empathy Scale in Patient Care (ES-PC) Chinese version the interpersonal reactivity inventory Chinese version of the Jefferson Scale 部份文獻研究青少年以及人際關係、網路霸凌的行為,同理心在人際網絡當中可能扮演著保護因子,調節較負面的行為表現發生的情況。在這些研究中,同理心是以青少年復原力量表測量,同理心的定義由較良善的人際互動關係定義之。 其他研究同理心的測量大多以 interpersonal reactivity inventory (IRI)測量,另外也有Empathy Quotient (EQ) Empathizing/Systemizing Quotient (ESQ)來測量。 較讓我注意的是使用 multifaceted empathy test以及 reading the mind in the eyes task兩個認知測驗的研究,因為其他的研究皆是使用自陳式量表。在這兩個測驗當中參與者分別要從情境圖片當中判斷自己多能感受到相同的情緒,或是從眼部線索辨識圖片中人的情緒。 ​

認知彈性的定義與作業分析

認知彈性定義與作業分析 認知彈性的定義 認知彈性是執行控制功能的核心能力之一 [1] ,是一種高等的認知功能。關於認知彈性的定義在過去的研究中有些不同的看法。根據Ionescu [2] 的整理,認知彈性在過去的研究中可以分為四種定義 是一種可以在不同的作業間快速切換注意力的能力 是一種同時處理或是表徵多組訊息的能力 能夠以不同的角度(或方式)思考同一件事情的能力 對於環境變動能夠適應的認知歷程 這四種定義所指涉的認知彈性層次不太一樣。前兩種是一種認知能力,看來與認知資源或是注意力有高度關係,與認知資源或是注意力資源的使用的好壞或是效率有關。而第三種則是較高等的一種思考歷程,應該也包含了第2個定義的能力,要能夠同時知道同一個事物的不同面向的訊息,才有辦法從另一個角度來理解或是看待它。而第四種定義則是一種認知系統,其複雜程度比起前面的能力或是歷程更高,可能是多種不同的能力或是認知機制、歷程間的合作或是交互作用後的產物。 我認為第4個定義最符合我心中對於認知彈性的想像,能屈能伸,能隨著環境的變化而產生相對應的策略或是反應,比較像是一個「有彈性的人」。要能夠測量到這個能力,作業本身需要會變化,而且要能夠捕捉個體是否能隨著作業需求的改變而做出調整。 測量認知彈性的作業 有許多測量認知彈性的作業,不同的作業所測量到的認知彈性並不相同。 其中歷史最悠久,在臨床上被使用最多的應該是Wisconsin Card Sorting Task,而在認知實驗室當中被研究最多的大概是task switch、Stroop test,或者是Alternative uses task。而這些測驗之外,還有一些對於適用對象的修改版測驗,以下分別介紹。 Wisconsin Card Sorting Task (WCST) WCST是一個經典的神經心理衡鑑作業。受測者的作業目的就是一張一張地將卡片分類。他們可以根據卡片上圖案的不同的屬性來分類。施測者的心中有一套分類的規則,但是不會告訴受測者,受測者只能依據每一張分類之後施測者的回饋來猜測他心中的規則是什麼,以達到最高正確率的分類表現。 然而,規則是會變的,可能在幾次正確的分類之後,規則就改變了。受測者要能夠覺察到自己分類規則已經不適用了,需要換一個規則來分類試試。 最後完成測驗時所正確分類的卡片數量就是一個認知彈性的指標。 在這個測驗當中,作業的要求沒有...