「生物統計学質問集（12月5日）」
- #TodaiStat 続いては一般化線形モデル（GLM）と一般化加法モデル（GAM）そしてそれらの混合効果バージョンについて解説した12月5日分ね． posted at 12:43:07
- #TodaiStat 【質問】「これまでの線形モデルでは正規分布に従わないデータをどのように躾けてきたのでしょうか？」／【回答】手っ取り早い “躾” はさまざまな「変数変換」の小技ですね．元変量を対数関数や三角関数などで変換して「正規分布屋敷」にご奉公に出していたということです． posted at 12:51:52
- #TodaiStat 【質問】「GLM でデータのリンク関数変換は，従来の LM でのデータの変数変換と何がちがうのでしょうか？」／【回答】従来型 LM では正規分布に合わせるために変数変換をしましたが，GLM ではリンク関数を正規分布を仮定しない線形予測子にリンクします． posted at 12:55:55
- #TodaiStat 【質問】「リンク関数によって線形予測するとのことですが，線形であるかないかの判断はどのようにするのでしょうか？」／【回答】基本的にはデータのタイプ（比率・計数など）によって線形予測のためのリンク関数の候補は絞られてくるでしょう． posted at 13:05:20
- #TodaiStat 【質問】「GAM の非線形予測子の作り方（スプライン関数）っていったい何なんでしょう？」／【回答】データに適合する “滑らかな” 非線形関数のパッチワークがスプライン関数です．補講で幾何学的形態測定学の話をしますので，詳しくはそのときに． posted at 13:09:50
- #TodaiStat 【質問】「リンク関数自体が確率分布にしたがって変化するようなモデルはありますか？」／【回答】ちょっと想像できませんねぇ……． posted at 13:11:22
