Métodos y fórmulas para las pruebas de efectos fijos en Ajustar modelo de efectos mixtos

Seleccione el método o la fórmula de su preferencia.

Pruebas de los términos de efecto fijo

Las pruebas de los términos de efecto fijo son pruebas F. La hipótesis nula de la prueba depende de si la prueba es para un término de factor fijo o un término de covariable. Para un término de factor fijo, la hipótesis nula es que el término no afecta significativamente la respuesta. Para un término de covariable, la hipótesis nula es que no existe asociación entre la respuesta y el término de covariable.

Minitab ofrece 2 métodos para probar los términos de efecto fijo: la aproximación de Kenward-Roger y la aproximación de Satterthwaite. Para obtener más información sobre la aproximación de Kenward-Roger, consulte a Kenward y Roger.1 Para obtener más información sobre la aproximación de Satterthwaite, consulte a Giesbrecht y Burns 2 y a Fai y Cornelius. 3

El cálculo de los grados de libertad del denominador para el estadístico F y el cálculo del estadístico F son diferentes. El cálculo de los grados de libertad del numerador y la determinación de un valor p para un estadístico F dado son iguales para ambos métodos.

Aproximación de Kenward-Roger

La aproximación de Kenward-Roger es un método para probar la significancia estadística de los términos de efecto fijo.

Estadístico F

donde

Notación

TérminoDescription
llos grados de libertad del numerador, que es el número de parámetros en el término que se probará
0la matriz con 0 componentes
Illa matriz de identidad con dimensión l
c + 1el número de componentes de la varianza
wrs(r, s)ésimo componente de la matriz asintótica de varianzas-covarianzas de
V−1la inversa de la matriz de varianzas-covarianzas

Para obtener más información sobre la notación, vaya a la sección Métodos.

Grados de libertad del denominador

donde

λ de Kenward y Roger

El valor de la λ de Kenward y Roger depende de dos condiciones.
Si se cumplen ambas condiciones, entonces la fórmula es la siguiente:

Si no se cumple una de las condiciones, entonces λ = 1.

Bajo la hipótesis nula, lambda × F sigue asintóticamente la distribución F con grados de libertad GL Num y GL Den. El cálculo del valor p utiliza esta propiedad.

Aproximación de Satterthwaite

La aproximación de Satterthwaite es un método para probar la significancia estadística de los términos de efecto fijo.

Estadístico F

donde L y tiene las mismas definiciones que en la aproximación de Kenward-Roger.

Grados de libertad del denominador

El proceso para determinar los grados de libertad incluye varios pasos.

  1. Realice la descomposición espectral sobre la varianza de la estimación del vector de parámetros de efecto fijo:

    donde P es una matriz ortogonal de vectores propios y D es una matriz diagonal de valores propios, ambas con dimensión l × l.

  2. Defina lr para que sea la résima fila de P'L, r = 1, ..., l y sea

    donde dr es el résimo elemento de la diagonal de D, W es la matriz asintótica de varianzas-covarianzas de y gr es el vector gradiente de los siguientes elementos:

    donde

    i = 1, …, c y

  3. Sea

    donde es una función indicadora que elimina los términos con

  4. Los grados de libertad del denominador dependen del valor de E.

    • Si E > l, entonces los grados de libertad son los siguientes:
    • De lo contrario, GL Den = 1

Grados de libertad del numerador (GL Num)

Los grados de libertad para un efecto fijo dependen del tipo de efecto.
Efecto GL
Factor fijo
Covariable 1
Interacciones que incluyen factores fijos

Notación

TérminoDescription
kel número de niveles en el término de factor fijo
mel número de factores en la interacción

Valor p – Pruebas de efectos mixtos

El valor p se calcula con la siguiente expresión:

Notación

TérminoDescription
la función de distribución acumulada de la distribución F con grados de libertad iguales a GL Num y GL Den, respectivamente
el valor F calculado para un término
1 Kenward, M.G. and Roger, J. H. (1997). Small Sample Inference for Fixed Effects from Restricted Maximum Likelihood. Biometrics, Vol 53, No. 3 pp 983-997 .
2 Giesbrecht, F.G. and Burns, J. C. (1985). Two-Stage Analysis Based on a Mixed Model: Large-Sample Approximation Theory and Small-Sample Simulation Results Biometrics, Vol. 41, No. 2 pp 477 - 486.
3 Fai, A. H. and Cornelius, P. L. (1996) Approximate F-Tests of Multiple Degree of Freedom Hypotheses in Generalized Least Squares Analyses of Unbalanced Split-Plot Experiments J. Statist. Comput. Simul. Vol. 54, pp 363-378