问题标签 [mlm]

我有 ref（Direct Upline）Position（指定天气左侧或右侧的位置）和 ref2（用户在树中该位置的用户 ID）。

我想编写一个 cron 作业，在 php 中获得每个用户的二进制奖励。

请问我该怎么做

我们正在计算 3 种判断对 3 种暴力结果的总体影响大小。这个多层次荟萃分析中的每项研究都对多种类型的判断和/或多种类型的暴力具有影响大小。可以理解，效应大小没有独立性。这就是我们在 R 元包中使用 rma.mv() 函数的原因。

现在，问题出现了，计算每种暴力类型的每次判断的平均效果大小。 到目前为止，我还没有找到关于最好的方法是什么的指导。评估每个暴力结果的每个判断的单个效果大小的最合乎逻辑的方法是将其子集化，将判断与结果配对。这将不受其他结果或判断的影响。下面嵌入了一个示例。

Viol.A<- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2 & Judgment ==3)

翻译是判断 A 分数（判断 ==3）对暴力犯罪（结果 ==2）的总体影响大小

同事们想知道只对结果变量进行子集化，然后将所有判断类型放在同一个 rma.mv() 中以得出该结果的每个判断的效果大小。直觉上，它并不完全正确。我觉得这个输出在某种程度上依赖于其他判断？下面嵌入了一个这样做的例子。

Viol <- rma.mv(y, v, random = list(~ 1 | Study, ~ + 1 | Effect), tdist=TRUE, data=df, subset = Outcome==2, mods = ~ A+B+C)

mods =〜三个判断（仪器A，仪器B，仪器C）。

两种操作都会产生不同的效果大小！很高兴我的直觉错了，只要我能得到关于哪个选项正确的反馈，为什么？非常感谢，堆栈社区！

我从下面的链接中得到了解决方案。这很好用，但我想计算不同级别的项目而不是名称。任何人都可以帮助它是如何可能的。 http://mikehillyer.com/articles/managing-hierarchical-data-in-mysql/

上表的以下查询给出结果：-

在这里，我需要修改查询以计算不同级别的项目，而不是它们的名称。例如上述数据的结果

我正在对变化进行纵向多层次模型分析，以了解种族主义对健康的影响。

因此，我的 2 级是个人的，而我的 1 级是时间/波。

我正在使用 5 种不同的 UKHLS 浪潮，为了包括更多人，我决定使用不平衡数据集，因为我读过的每本书都说 MLM 可以毫无问题地处理这个问题。然而，现在在尝试拟合最简单的模型之一时，我已经遇到了收到错误消息的问题。这是我的代码和我收到的错误消息：

m1 <- lmer（数据 = lusl，generalhealth ~ 1 + wave0 +（1 + wave0 | pidp），na.action=na.exclude）

错误：观察次数 (=30962) <= 术语 (1 + wave0 | pidp) 的随机效应数 (=31520)；随机效应参数和残差方差（或尺度参数）可能无法识别

对此我能做些什么吗？

编辑添加：经过更多谷歌搜索后，我发现此代码作为解决方案：

m1 <- lmer(data = lusl, generalhealth ~ 1 + wave0 +(1 + wave0 | pidp), control = lmerControl(check.nobs.vs.nRE = "warning"))

警告消息：1：观察次数 (=30962) <= 术语 (1 + wave0 | pidp) 的随机效应数 (=31520)；随机效应参数和残差方差（或尺度参数）可能无法识别 2：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型无法与 max|grad 收敛| = 0.0109117（tol = 0.002，组件 1）

因此，当我收到这些警告消息时，我现在确实得到了输出。不幸的是，我并不真正理解警告信息或控制功能的作用，所以我不确定是否应该使用它？谁能向我解释它的作用？

我尝试更新旧的 node.js 项目我删除了所有 package.json 并重新安装依赖项之后运行 nodemon 我在 nodemodule 文件夹中收到此错误

我觉得mongodb连接有问题？这是数据库文件

这是环境文件

如何纠正这个

我需要帮助编写具有动态压缩的父子关系的查询。

这里的表是

处理完此表后，将有一个带有 total_product 的字段，其中将包含其第一个孩子的产品总和。

如果该成员没有任何带有哼声的产品，则该产品的总和将添加到他的父级。即使父级没有任何产品，那么该总和也会添加到他的父级，依此类推。

请指导我

有一组纵向数据，其中在各种波次中重复收集测量值（请参见下面的设置示例。但是，随着这种数据的进行，存在损耗，一些波在研究结束之前停止。但是，我的分析有假设每个参与者至少有 3 个观察值

我将如何仅对具有至少 3 个观察值的那些 ID（主题）进行子集化？我已经研究过关于 stackoverflow 的类似问题，但它们似乎不适合这个特定问题。

我在进行我想要进行的分析时遇到了一些麻烦，并且想知道是否有任何替代方案。本质上，我有一个纵向数据集（或面板数据）和一个分类和时间不变的因变量（组成员资格）。例如：

所以我们既有时间不变变量（性别、年龄）和时间变量变量（X1、X2、X3），我们的 DV（组）在人体内是恒定的。通常，我相信这里的正确分析将是混合多项式 logit 回归，但是在尝试了许多包之后，我还没有找到在 R 中运行类似模型的方法。

我想知道是否有其他类型的分析可以用来对组成员身份进行建模。我探索了其他分析，例如纵向判别分析，但它们倾向于使用二元结果，而不是多项式结果。我还查看了诸如“multgee”之类的包，但这些包中的结果变量是在每个时间点测量的（而这里的 Group 在时间上是静态的）。

是否有一个与我错过的混合多项式模型相关的包，或者我可以使用另一个包来解释这个数据结构/结果变量？这里的任何帮助将不胜感激。