Вибір ваги шляху в концептуальних моделях SEM для однояйцевих і братніх близнюків за допомогою openMx

Я переглядаю пакет R OpenMx для аналізу генетичної епідеміології, щоб навчитися визначати та підходити до моделей SEM. Я новачок у цьому, тож потерпіть із собою. Я слідую прикладу на сторінці 59 Посібника користувача OpenMx . Тут вони малюють таку концептуальну модель:

Моделі SEM для однояйцевих і братніх близнюків

І вказуючи шляхи, вони встановлюють масу прихованого вузла "один" для виявлених вузлів bmi "T1" і "T2" 0,6, оскільки:

Основні шляхи, що цікавлять, - це від кожної із прихованих змінних до відповідної спостережуваної змінної. Вони також оцінюються (таким чином, всі встановлюються безкоштовно), отримують початкове значення 0,6 та відповідні мітки.

# path coefficients for twin 1
mxPath(
  from=c("A1","C1","E1"),
  to="bmi1",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

# path coefficients for twin 2
mxPath(
  from=c("A2","C2","E2"),
  to="bmi2",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

Значення 0,6 походить від розрахункової ковариации bmi1і bmi2(строго моно- зіготіческіх пари близнюків). У мене є два питання:

Коли вони кажуть, що шляху задано значення "старту" 0,6, це подібне встановленню порядок чисельної інтеграції з початковими значеннями, як при оцінці GLM?
Чому ця величина суворо оцінюється з однояйцевих близнюків?

— АдамО
джерело

Щоб відповісти на ваші 2 бали:

1) Так, саме - початкове значення просто диктує, де алгоритм розпочне процес оптимізації. Більшість програмних пакетів фактично визначають власне початкове значення за замовчуванням, і користувачеві потрібно намагатися вводити різні значення лише тоді, коли виникають проблеми під час оцінки. З мого досвіду, більшість правдоподібних вихідних значень буде робити, і не змінить остаточну модель, за якою алгоритм сходиться.

2) Значення 0,6 є початковим значенням не для перехоплення T1 і T2 (шлях між "одиницею" і T1 & T2), але натомість є початковим значенням для факторних навантажень, що пов'язують кожну приховану змінну (A, C, E ) до їх індикатора Т1 або Т2. На це вказує той факт, що шлях йде from=c("A1","C1","E1"), to="bmi1"в першому випадку, а from=c("A2","C2","E2"), to="bmi2"в другому.

Щодо конкретного значення "0,6": я не зміг знайти в документації, де вони згадують про прийняття цього значення на основі монозиготної підгрупи близнюків; і насправді ці параметри оцінок (навантаження факторів для 3 прихованих змінних) не можуть бути безпосередньо обчислені з вибірки, оскільки, за визначенням, ці латентні змінні не спостерігаються (вони є латентними). Як я згадую у пункті №1, вибір між двома правдоподібними значеннями рідко вплине на оцінку параметрів збіжної моделі, тому я здогадуюсь, що вони просто вибрали одне з багатьох правдоподібних значень для цих навантажень фактора як вихідні значення. Невже це значення походить від розрахункової коваріації між bmi1 та bmi2 лише у монозиготній-близнюковій підгрупі, не має значення, оскільки будь-які правдоподібні вихідні значення повинні приводити алгоритм до зближення за однаковими кінцевими значеннями, можливо, з деякими відмінностями часу обчислення. (І моя порада переконати себе: спробуйте! Спробуйте кілька вихідних значень та порівняйте оцінки параметрів збірних моделей.)

Як загальне зауваження, я зазначу, що вибір вихідних значень для будь-якої оцінки параметрів стає ДУЖЕ важливим, якщо аргумент freeвстановлений FALSE, тому що початкове значення фактично стане значенням оцінки параметра в кінцевій моделі (воно не буде підлягає оцінці; вона встановлюється перед оцінкою).

— Патрік Куломбе
джерело