拟合混合响应模型的方法表

请查找有关方法表中每个统计量的定义和解释指导。
使用方法表确保您为分析选择了正确的方法。
方差估计

通常,您使用限制的极大似然(REML),因为受限极大似然的方差分量估计量大致是无偏的,而极大似然估计量是偏倚的。但是,样本数量越大,偏倚越小。

如果需要检验具有一些固定效应项的嵌套模型与具有更多固定效应项的相应参考模型是否等效,前提为两种模型都具有相同的随机项数和误差方差结构,则使用极大似然(ML)。具体来说,设为全模型中的负 2 对数似然,并且设为较小模型的负 2 对数似然。

在原假设下,服从渐近卡方分布,其中自由度等于参考模型和嵌套模型的固定效应项参数个数的差值。您可以使用似然比检验来评估是否可以从参考模型中删除一部分固定效应项。

有关混合效应模型中固定参数的似然比检验的更多信息,请参见 West、Welch 和 Galecki。1

固定效应的自由度

通常,您使用Kenward-Roger 近似,因为这些计算为响应值使用协方差矩阵的调整估计量,用于降低小样本偏倚。您也可以使用Satterthwaite 近似。通常,样本数量越大,两种方法之间的差异越小。

1 B. T. West, K.B. Welch, 和 A.T. Gałecki (2007)。Linear Mixed Models: A Practical Guide Using Statistical Software(线性混合模型:使用统计软件的实用指南),第一版。Chapman and Hall/CRC(第 34 至 36 期)。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策