當前位置:吉日网官网 - 傳統美德 - 2-混合混合模型

2-混合混合模型

這壹次,介紹了混合線性模型的壹些基本特征。

從線性模型到混合模型的轉變是為了解決實際問題。

康奈爾大學建立了混合模型。為什麽會在這裏?

首先,線性模型(y = Wb+e)被擴展,W → [X Z]

y建模(用於E(y)和var(y))

它是選擇性指數算法和廣義線性算法(GLS)的結合

** y = Xβ + Zu + e **

其中:y是觀測值向量(已知);β是固定效應(未知);u是隨機效應(未知);e是殘差(未知);x和z是將Y與β,u聯系起來的矩陣(已知)

根據y的建模,目標是:β,u,

** y = Xβ + Zu + e **

例如,X = [1 0 24]

0 1 34

1 0 23

1 0 27]

表示如下:4個觀測值在2個牛場(前2列),第3列為產犢年齡;

混合模型可以稱為混合模型方程,MME)。

或者簡稱為Cs = r

妳需要知道每個未知變量的(共)方差:

估計(co)變量(r和g),壹些當前主流算法:

1.REML(DF-,EM-,AI-...都是基於最大可能性)

2.MCMC(“吉布斯采樣”)

3.其他的作為方法R(基於BLUP性質)(從未被個人使用)

方差分量估計(VCF)方法本身= & gt特殊階層

以上三種主流算法,後面會詳細介紹。

回到正題,再看MME: y = Xβ+Zu+e,

如果縮寫是:y = Wb +e(類似OLS)

然後求解上述兩個方程:

註意這裏W = [X Z]

u的這個估計量有兩個主要缺點:

如何比較u OLS和u SI?

有必要將(Z'Z) -1 Z '與Cov(u,y)(Var(y)) -1進行比較。

因為:

Cov(u,y)= GZ ' = AZ '(σg)2;

var(y)= V = ZGZ '+R = ZAZ '(σg)2+I(σe)2

所以引入下面的公式:

然後:

SI的u可以變成:

兩頭沒有血緣關系的公牛S和T有三個女兒,他們六個女兒的牛也沒有血緣關系。

我們想計算這兩頭公牛對其後代表型的遺傳貢獻。

采用兩種計算方法:

數據如下:

給出以下定義:

那麽表型值y的方差結構:

y的協方差結構:

y的方差-協方差矩陣:

根據前面的公式:Var(y) = ZZ'(σ g) 2+I (σ e) 2。

Cov(u,y)的協方差協方差矩陣;

使用SI求解:

選擇指數的權重:

根據

SI:最小化預測Var(T-I)的誤差方差,最大化T和I的相關性。

OLS:最小誤差方差,最後用觀測值的方差加權(殘差)。

GLS:最小化權重誤差的方差(最小二乘法),參考觀測值之間的協方差。

MME:混合模型,最小化誤差方差和隨機效應預測誤差方差。

BLUP是由SI演變而來的。

  • 上一篇:江西撫州十大景點
  • 下一篇:在野外抓魚最快的方法
  • copyright 2024吉日网官网