Question

我正在使用SPSS进行广义线性混合模型。

结果：幸福感（“ MmDWohlbefinden”）， 固定效果：干预（事前/事后），实施干预时的症状（抑郁，无动于衷，攻击性/烦躁，烦躁不安，无动静）（“ BPSD”），干预*症状，时间（“ Zeit” ）， 随机效应：个人（重复措施）

在SPSS中，可以选择输入类别“升序”和“降序”的顺序来更改参考类别。

我的问题： 为什么在将干预前与参考类别后比较时干预效果显着，而将干预前与参考类别前进行比较则没有显着效果？

在固定效果“症状”下也会发生这种情况。与“无”相比，“抑郁”症状对健康没有显着影响，另一方面，与“抑郁”相比，“无”对健康没有显着影响。

这些是我的代码：

升序：

GENLINMIXED
  /FIELDS TARGET=MmDWohlbefinden TRIALS=NONE OFFSET=NONE
  /TARGET_OPTIONS DISTRIBUTION=POISSON LINK=IDENTITY
  /FIXED  EFFECTS=Intervention Zeit BPSD Intervention*BPSD USE_INTERCEPT=TRUE
  /RANDOM EFFECTS=ID USE_INTERCEPT=FALSE COVARIANCE_TYPE=VARIANCE_COMPONENTS SOLUTION=FALSE
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=ASCENDING INPUTS_CATEGORY_ORDER=ASCENDING MAX_ITERATIONS=100 CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=MODEL PCONVERGE=0.000001(ABSOLUTE) SCORING=0 SINGULAR=0.000000000001
  /EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.

降序：

GENLINMIXED
  /FIELDS TARGET=MmDWohlbefinden TRIALS=NONE OFFSET=NONE
  /TARGET_OPTIONS DISTRIBUTION=POISSON LINK=IDENTITY
  /FIXED  EFFECTS=Intervention Zeit BPSD Intervention*BPSD USE_INTERCEPT=TRUE
  /RANDOM EFFECTS=ID USE_INTERCEPT=FALSE COVARIANCE_TYPE=VARIANCE_COMPONENTS SOLUTION=FALSE
  /BUILD_OPTIONS TARGET_CATEGORY_ORDER=ASCENDING INPUTS_CATEGORY_ORDER=DESCENDING MAX_ITERATIONS=100 CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=MODEL PCONVERGE=0.000001(ABSOLUTE) SCORING=0 SINGULAR=0.000000000001
  /EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.

谢谢！

Answer 1

当您有一个涉及因子间相互作用影响的模型时，给定GENLINMIXED中使用的指标参数化，相互作用中包含的因子的参数估计会在嵌套在其他因子的剩余类别内的因子水平之间产生对比以及其他大多数最新的SPSS Statistics程序。

在BUILD_OPTIONS子命令上默认为INPUTS_CATEGORY_ORDER = ASCENDING时，Intercept会给出2x4设计的（2,4）像元的预测值（协变量设置为其平均值）。干预的“主效应”估计值不是多余的，且别名为0，表示干预的第一级减去第二级，嵌套在BPSD因子的最后一级，即（1,4）单元格减去（2,4））细胞。 BPSD因子的估计值将每个级别与最后一个级别进行比较，嵌套在第二个干预级别，因此它们是（2,1）减去（2,4），（2,2）减去（2,4），和（2,3）减去（2,4）。

使用INPUTS_CATEGORY_ORDER = DESCENDING选项，可以更改每个因子的最后一个类别，因此在这种情况下，实际参考类别是不同的。单元格之间的比较在新排序的相同单元格之间，但是在原始排序方面有所不同，不仅基于所讨论因素的遗漏类别，而且基于遗漏类别，得出的结果也不同其他因素。截距估计给出了原始（1,1）像元的预测。非冗余干预估计得出（2,1）减去（1,1）。 BPSD因子的非冗余估计分别为（1,4）减（1,1），（1,3）减（1,1）和（1,2）减（1,1）。 / p>

SPSS中的广义线性混合模型

1 个答案: