Avaliação de fontes de variação com componentes de variância

Os componentes da variância avaliam a quantidade de variação na resposta devido a fatores aleatórios. Para analisar um modelo com fatores aleatórios, você costuma usar Ajustar modelo de efeitos mistos. Enquanto Ajustar modelo linear generalizado também estima componentes de variância para fatores aleatórios, o Modelo de Efeitos Mistos de Ajuste proporciona melhores estimativas quando os experimentos são desbalanceados Ajustar modelo linear generalizado e o Modelo de Efeitos Mistos de Ajuste calcula os mesmos componentes de variância para dados balanceados.

O que é um fator aleatório?

Os fatores aleatórios têm níveis que são selecionados aleatoriamente, ao passo que os fatores fixos têm níveis que são os únicos níveis de interesse. Por exemplo, você faz um estudo sobre o efeito de dois níveis de pressão na saída medidos por operadores escolhidos aleatoriamente. A pressão é fixa (2 níveis); e o operador é aleatório. A saída dos componentes de variância lista a variância estimada para o operador e o termo de erro. Para obter mais informações sobre fatores fixos e aleatórios, acesse Qual é a diferença entre fatores fixos e aleatórios?.

Interprete um componente de variância negativo

O cálculos para Ajustar modelo linear generalizado permitem componentes de variância negativos. Em geral, usar Ajustar modelo de efeitos mistos em vez de Ajustar modelo linear generalizado quando o modelo inclui factores aleatórios. Se você usar Ajustar modelo linear generalizado e obtiver componentes de variância negativos, as seguintes maneiras de lidar com as estimativas negativas são possíveis:

Aceitar a estimativa como evidência de um valor verdadeiro de zero e usar zero como estimativa, reconhecendo que o estimador não será mais imparcial.
Reter a estimativa negativa, reconhecendo que cálculos subsequentes que usarem os resultados poderão não fazer muito sentido.
Interpretar que a estimativa negativa do componente indica um modelo estatístico incorreto.
Coletar mais dados e analisá-los separadamente ou em conjunto com os dados existentes e esperar que o número maior de informações forneça estimativas positivas.