推定法、固定効果項の検定法、表示結果を指定します。デフォルトに加えた変更は、Minitabを終了しても、再度変更するまで維持されます。
- 推定法
-
制約型最尤法（REML）または最尤法（ML）のいずれかを選択することができます。REMLによる分散成分推定はほぼ不偏で、MLによる推定は偏るため、通常は制約型最尤法（REML）を選択します。ただし、サンプルサイズが大きくなると偏りは小さくなります。
どちらのモデルにも同数のランダム項と同じ誤差の分散構造がある場合に、固定効果項の数が少ない枝分かれしたモデルが、対応する固定効果項の数が多い参照モデルと同程度に良好かどうかを検定する必要がある場合は、最尤法（ML）を使用します。具体的には、
が完全モデルから得られる-2対数尤度で、
が小さいモデルから得られる-2対数尤度であるとします。帰無仮説の下で、漸近的に
は、自由度が参照モデルと枝分かれモデルの固定効果項のパラメータ数の差に等しい、カイ二乗分布に従います。尤度比検定を使用して、固定効果項のサブセットを参照モデルから取り除くことができるかどうかを評価することができます。混合効果モデルでの固定パラメータの尤度比検定に関する詳細は、B. T. West、K.Bを参照。Welch, and A.T.Gałecki (2007).線形混合モデル：A Practical Guide Using Statistical Software, First Edition.Chapman and Hall/CRC (34–36)）を参照してください。
- 固定効果の検定方法
-
計算には、小さいサンプルサイズに起因する偏りを低減する調整が含まれるため、通常はKenward-Roger近似を使用します。Satterthwaite近似を使用することもできます。一般的に、サンプルサイズが大きいほど2つの手法の差は小さくなります。
- 結果の表示
-
- 因子情報
- 因子名、変量因子かどうか、水準数、水準の要約を表示します。
- 反復履歴
- アルゴリズムが収束するまでの反復数と、各反復における-2対数尤度値を表示します。
- 分散成分
- 分散成分の推定値を表示します。
- 分散成分推定の分散-共分散行列
- 分散成分推定値の分散共分散行列を表示します。
- 固定効果の検定
- 固定効果の異なる水準の平均が等しいかどうかについては、仮説検定を表示してください。
- ランダム効果予測
- モデルにあるランダム項の統計量を表示します（ランダム項の水準効果の最良線形不偏予測値（BLUP）を含む）。
- 周辺適合式
- 周辺適合値の式を表示します。周辺適合値は、存在する場合は入力した共変量と、固定因子の組み合わせ水準における平均応答値を表します。周辺適合値の計算には変量因子水準は使用されません。
- 各因子水準の別個の式: 因子水準の各組み合わせに対する別個の式を表示します。
- 単一式: 全因子の全水準が含まれる1つの式を表示します。
- 条件付き適合式
- 条件付き適合値の式を表示します。条件付き適合値は、データ内の変量因子水準に対する適合値です。条件付き適合値を使用して、分析で変量因子の特定の水準の差を調べます。
- 各因子水準の別個の式: 因子水準の各組み合わせに対する別個の式を表示します。
- 単一式: 全因子の全水準が含まれる1つの式を表示します。
- 周辺適合値と診断
-
- 異常な観測値のみ: 異常な観測値のみの周辺適合値、周辺残差、診断統計量を表示します。
- すべての観測値: すべての観測値の周辺適合値、周辺残差、診断統計量を表示します。
- 条件付き適合値と診断
-
- 異常な観測値のみ: 異常な観測値のみの条件付き適合値、残差、診断統計量を表示します。
- すべての観測値: すべての観測値の条件付き適合値、残差、診断統計量を表示します。
