Especificar la configuración predeterminada de Ajustar modelo de efectos mixtos

Herramientas > Opciones > Modelos lineales > Modelo de efectos mixtos

Especificar el método de cálculo, el método de prueba para términos de efecto fijo y los resultados que se mostrarán. Los cambios que haga en los valores predeterminados se mantendrán vigentes hasta que los cambie de nuevo, incluso después de salir de Minitab.

Método de estimación

Usted puede seleccionar Máxima verosimilitud restringida (REML) o Máxima verosimilitud (ML). Por lo general, se utiliza Máxima verosimilitud restringida (REML) porque el estimador de los componentes de la varianza por REML es aproximadamente insesgado, mientras que el estimador de máxima verosimilitud (ML) es sesgado. Sin embargo, el sesgo se vuelve más pequeño cuando los tamaños de las muestras son grandes.

Utilice Máxima verosimilitud (ML) si necesita comprobar si un modelo anidado con un menor número de términos de efecto fijo es tan adecuado como su modelo de referencia correspondiente que tiene más términos de efecto fijo, dado que ambos modelos tengan el mismo número de términos aleatorios y estructura de varianza del error. Específicamente, sea la -2 log verosimilitud del modelo completo y la -2 log verosimilitud del modelo más pequeño.

Bajo la hipótesis nula, asintóticamente, sigue una distribución de chi-cuadrada con grados de libertad iguales a la diferencia en el número de términos de efecto fijo entre el modelo de referencia y el modelo anidado. Puede utilizar la prueba de relación de verosimilitud para determinar si un subconjunto de términos de efecto fijo puede eliminarse del modelo de referencia.

Para obtener más información sobre la prueba de relación de verosimilitud de parámetros fijos en un modelo de efectos mixtos, véase B. T. West, K.B. Welch y A.T. Gałecki (2007). Linear Mixed Models: A Practical Guide Using Statistical Software, First Edition. Chapman and Hall/CRC (34–36).

Método de prueba para efectos fijos

Comúnmente se utiliza Aproximación de Kenward-Roger porque los cálculos incluyen un ajuste que reduce el sesgo ocasionado por los tamaños de muestra pequeños. También puede utilizar Aproximación de Satterthwaite. En general, cuanto más grande sea el tamaño de la muestra, menor será la diferencia entre los dos métodos.

Presentación de resultados
Información del factor
Mostrar un resumen de los nombres de los factores, si los factores son aleatorios, el número de niveles y los niveles.
Historial de iteraciones
Mostrar el número de iteraciones hasta que el algoritmo converge y el valor de la –2 log verosimilitud en cada iteración.
Componentes de la varianza
Mostrar las estimaciones de los componentes de la varianza.
Matriz de varianzas-covarianzas de las estimaciones de los componentes de la varianza
Mostrar la matriz de varianzas-covarianzas de las estimaciones de los componentes de la varianza.
Pruebas de efectos fijos
Mostrar pruebas de hipótesis acerca de si las medias en diferentes niveles de los efectos fijos son iguales.
Predicciones de efectos aleatorios
Mostrar los estadísticos de los términos aleatorios presentes en el modelo final, incluyendo la mejor predicción lineal insesgada (BLUP) para el efecto de nivel de un término aleatorio.
Ecuación ajustada marginal
Mostrar la ecuación para los valores ajustados marginales. Los ajustes marginales representan las respuestas medias en los niveles combinados de los factores fijos con los valores de covariable ingresados (si hay alguno). Los cálculos de los ajustes marginales no utilizan los niveles de factores aleatorios.
  • Ecuación separada para cada conjunto de niveles de factor: Mostrar una ecuación separada para cada combinación de niveles de factor.
  • Una sola ecuación: Mostrar una ecuación que incluya todos los niveles de todos los factores.
Ecuación ajustada condicional
Mostrar la ecuación para los valores ajustados condicionales. Los ajustes condicionales son los valores ajustados de los niveles de los factores aleatorios incluidos en los datos. Utilice los ajustes condicionales para explorar las diferencias entre los niveles específicos de los factores aleatorios incluidos en el estudio.
  • Ecuación separada para cada conjunto de niveles de factor: Mostrar una ecuación separada para cada combinación de niveles de factor.
  • Una sola ecuación: Mostrar una ecuación que incluya todos los niveles de todos los factores.
Ajustes marginales y diagnósticos
  • Solo para las observaciones poco comunes: Mostrar los valores ajustados marginales, los residuos marginales y los estadísticos de diagnóstico solo para las observaciones poco comunes.
  • Para todas las observaciones: Mostrar los valores ajustados marginales, los residuos marginales y los estadísticos de diagnóstico para todas las observaciones.
Ajustes condicionales y diagnósticos
  • Solo para las observaciones poco comunes: Mostrar los valores ajustados condicionales, los residuos y los estadísticos de diagnóstico solo para las observaciones poco comunes.
  • Para todas las observaciones: Mostrar los valores ajustados condicionales, los residuos y los estadísticos de diagnóstico para todas las observaciones.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política