问题标签 [model-comparison]

我想对几个主题有所了解：“EMF 比较”和“模型到模型比较”。

我试图实现两个 XMI 模型之间的比较，它们彼此不同（i）第一个是输出模型，它是我在输入元模型的实例上运行的转换的结果，（ii）第二个是一个实例（符合输出元模型），我创建它以表示转换后正确的预期输出形式应该是什么（又名预言模型）。

我尝试使用“EMF 比较”来实现多个不同的输出模型（我在对多个不同的输入模型运行转换后得到）和 oracle 的“正确”模型之间的比较，目的是验证我提出的转换。

但是，每当我尝试运行“与 -> 相互比较”时，我都会收到以下错误消息并且没有结果：

我试图删除 /.metadata/.plugins/org.eclipse.e4.workbench/workbench.xmi 并重新启动我的工作区。然而，问题持续存在。

而且我还验证了没有冲突的 Guava 版本（实际上我没有安装 guava，所以我尝试安装它，但没有解决问题），我还尝试安装 Orbit 插件，因为它被推荐给我它也没有帮助，因为同样的错误仍然存​​在。我的问题是：

(i) 根据我的描述，使用 EMF 比较是否适合我的要求？如上所述，我需要将每个输出模型与相同的 oracle 模型进行比较，并得到一个分数或其他东西来决定转换是否给出了正确的输出。(ii) 如果是，是什么导致了这个问题，我该如何解决？(iii) 如果不是，什么是合适的工具或插件来实现我的需要？

另一个可能有点超出问题范围的问题是： （iv）我看过将输出模型与预言机进行比较并将这些结果分类为超空间和超车道（误报、误报等）的作品)，之后，他们计算他们的方法的精度和召回率。最终，基于此，他们将评估他们提出的转换的正确性。但是，我找不到关于如何自己实现这一目标的适当文档（以学术实验的方式）。谁能向我提供有关如何进行适当比较并评估我的转换有效性的指导或文档？

先感谢您。问候。

我是 R 和 lmer 的新手。我们有一个项目检查模仿他人声音的效果（模仿与非模仿，受试者之间的固定效应），模态（阅读与聆听，受试者内效应），效价（正面与负面；受试者内效应） ，和类别（个性与外表，主体内效应）对模仿者对某些评论的判断（愉快，连续，1-7）。我们构建了一个理论上完整的混合效应模型，并希望确定最佳模型。根据一篇论文的建议，我们尝试使用 afex 包中的混合 () 函数进行似然比检验。以下是模型估计的代码和总结。现在我们不太确定如何解释结果。总结表明，在“10”和“11”行，p 值显着，但在“8”行是“9”，p 值不显着。在这种情况下，我们如何确定最佳模型应该包含哪些术语？我们是否简单地包括那些 p 值显着的项并删除那些不重要的项？

您的帮助和建议将不胜感激！

我想测试是否

一样好

如果这是一个正常的线性回归，我会进行 lrtest（似然比检验）。我听说 waldtest 也可以应用于面板数据（？）我进行了 waldtest waldtest(model_1, model_2)。然而，当我这样做时，我收到警告：“solve.default(vc[ovar, ovar]) 中的错误：系统在计算上是奇异的：倒数条件数 = 2.10749e-44”

有人知道在这里进行 waldtest 是否是正确的方法，或者我是否可以对 plm 或 feols 回归进行任何其他测试？或者，如果您对我如何让 waldtest 工作有想法，那也会非常有帮助。

在探索性因子分析的不同解决方案之间做出决定的一种方法是查看哪个解决方案在再现的相关矩阵中具有较少的非冗余残差。

我已经使用 psych 完成了具有不同限制的 EFA。您可以通过以下方式轻松调用残差相关矩阵

yourEFA$residuals，正如这里解释的那样

我现在的问题是：如何计算作为环境文件获得的矩阵中高于 0.05 的非对角线值（等于非冗余残差）？

我有一个具有几个主要影响和几个交互作用的模型。我想避免任何只包含 3 个交互项的模型。所以基本上所有的主效应和主效应的变化都有各种相互作用，但不是只有相互作用。

我之前曾使用“表达式”对二次方程进行子集化，它总是有效，但由于某种原因，我无法弄清楚相互作用。

任何帮助，将不胜感激。

我正在使用lmer包中的函数拟合几个混合模型lme4，每个模型都具有相同的固定效应和随机效应，但响应变量不同。这些模型的目的是确定环境条件如何影响特定树种的不同果实和种子性状。我想知道哪些特征对哪些环境变量的反应最强烈，以及每个模型整体捕获每个特征的变化的程度。

这些数据是从几个站点以及每个站点内的几棵树收集的。

响应变量：水果和种子的测量值，例如新鲜质量、干质量、体积

固定效应：温度、降雨量、土壤氮、土壤磷

随机效果：地点、树木

我一直在使用的模型符号示例：

我的问题：有些模型运行良好，没有可检测到的问题，但是，有些模型会产生奇异拟合，其中“站点”的估计方差 = 0。

我知道关于处理奇异拟合模型存在相当大的争论，尽管一种方法是降低site并保持tree水平随机效应。在此之后模型运行良好。

我的问题：如果我想比较这些模型，我是否应该从非奇异模型中删除site随机效应？如果是这样，是否有某些方法可以比较更适合这种情况的模型性能？

如果这包含在出版物或讨论线程中，那么任何链接都将不胜感激。