Indiquer les paramètres par défaut pour la fonction Ajuster le modèle à effets mixtes

Outils > Options > Modèles linéaires > Modèle à effets mixtes

Indiquez la méthode d'estimation, la méthode de test pour les termes d'effet fixe et les résultats à afficher. Les modifications apportées aux paramètres par défaut s'appliquent jusqu'à une nouvelle modification de ces derniers, même si vous avez quitté Minitab.

Méthode d'estimation 

Vous pouvez sélectionner l'option Maximum de vraisemblance restreinte ou Maximum de vraisemblance. En général, vous utilisez Maximum de vraisemblance restreinte, car l'estimateur de la composante de variance component par le maximum de vraisemblance restreinte (REML) est approximativement non biaisé, tandis que l'estimateur du maximum de vraisemblance est biaisé. Toutefois, la taille du biais diminue pour les effectifs d'échantillons élevés.

Utilisez la fonction Maximum de vraisemblance pour déterminer si un modèle emboîté avec un nombre réduit de termes d'effet fixe est aussi bien adapté que son modèle de référence ayant plus de termes d'effet fixe, sachant que les deux modèles disposent du même nombre de termes aléatoires et de la même structure de variance. Plus spécifiquement, soit le logarithme de vraisemblance -2 du modèle complet, et le logarithme de vraisemblance -2 du modèle réduit.

Sous l'hypothèse nulle, asymptotiquement, suit une loi du Khi deux où les degrés de liberté sont égaux à la différence du nombre de termes d'effet fixe entre le modèle de référence et le modèle emboîté. Vous pouvez utiliser le test du rapport de vraisemblance pour évaluer si un sous-ensemble de termes d'effet fixe peut être supprimé du modèle de référence.

Pour plus d'informations sur le test du rapport de vraisemblance des paramètres fixes dans un modèle à effets mixtes, reportez-vous à B. T. West, K.B. Welch et A.T. Gałecki (2007), Linear Mixed Models: A Practical Guide Using Statistical Software, première édition, Chapman and Hall/CRC (34–36).

Méthode de test pour les effets fixes 

En général, vous utilisez la fonction Approximation de Kenward-Roger, car les calculs comprennent un ajustement réduisant le biais des petits effectifs d'échantillons. Vous pouvez également utiliser la fonction Approximation de Satterthwaite. Généralement, lorsque l'effectif d'échantillon est élevé, les deux méthodes présentent moins de différence.

Affichage des résultats 
Informations sur les facteurs
Affichez un récapitulatif du nom des facteurs, indiquez si les facteurs sont aléatoires, le nombre de niveaux et les niveaux.
Historique des itérations
Affichez le nombre d'itérations avant la convergence entre l'algorithme et la valeur du log de vraisemblance -2 à chaque itération.
Composantes de la variance
Affichez les estimations des composantes de la variance.
Matrice de variance-covariance des estimations des composantes de la variance
Affichez la matrice variance/covariance des estimations de composante de variance.
Tests des effets fixes
Affichez les tests d'hypothèse pour savoir si les moyennes à différents niveaux des effets fixes sont égales.
Prévisions des effets aléatoires
Affichez les statistiques des termes aléatoires du modèle final, y compris la meilleure prévision non biaisée linéaire (BLUP) pour chaque effet de niveau d'un terme aléatoire.
Equation ajustée marginale 
Affichez l'équation pour les valeurs ajustées marginales. Les ajustements marginaux représentent les réponses moyennes aux niveaux combinés des facteurs fixes avec les valeurs de covariables saisies (le cas échéant). Les calculs pour les ajustements marginaux n'utilisent pas les niveaux de facteurs aléatoires.
  • Equation distincte pour chaque ensemble de niveaux de facteurs : affichez une équation distincte pour chaque combinaison de niveaux de facteurs.
  • Equation unique : affichez une équation qui inclut tous les niveaux de tous les facteurs.
Equation ajustée conditionnelle 
Affichez l'équation pour les valeurs ajustées conditionnelles. Les ajustements conditionnels correspondent aux valeurs ajustées pour les niveaux des facteurs aléatoires dans les données. Ces valeurs permettent d'explorer les différences parmi les niveaux spécifiques des facteurs aléatoires dans l'étude.
  • Equation distincte pour chaque ensemble de niveaux de facteurs : affichez une équation distincte pour chaque combinaison de niveaux de facteurs.
  • Equation unique : affichez une équation qui inclut tous les niveaux de tous les facteurs.
Diagnostics et ajustements marginaux 
  • Pour les observations aberrantes uniquement : affichez les valeurs ajustées marginales, les valeurs résiduelles marginales et les statistiques de diagnostic pour les observations aberrantes uniquement.
  • Pour toutes les observations : affichez les valeurs ajustées marginales, les valeurs résiduelles marginales et les statistiques de diagnostic pour toutes les observations.
Diagnostics et ajustements conditionnels 
  • Pour les observations aberrantes uniquement : affichez les valeurs ajustées conditionnelles, les valeurs résiduelles et les statistiques de diagnostic uniquement pour les observations aberrantes.
  • Pour toutes les observations : affichez les valeurs ajustées conditionnelles, les valeurs résiduelles et les statistiques de diagnostic pour toutes les observations.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique