使用方差分量评估变异源

方差分量用于评估因随机因子而在响应中产生的变异量。要分析具有随机因子的模型,您通常可使用拟合混合响应模型。虽然拟合一般线性模型也会估计随机因子的方差分量,但是拟合混合效应模型可以在设计不平衡的情况下提供更有效的估计值。拟合一般线性模型和拟合混合效应模型可以为平衡数据计算相同的方差分量。

什么是随机因子?

随机因子的水平是随机选择的;而固定因子的水平只是关注的水平。例如,您将对两个压力水平对随机选择的操作员测量的输出所产生的效应进行研究。压力是固定的(两个水平);操作员是随机的。方差分量输出列出了操作员和误差项的估计方差。有关固定因子和随机因子的更多信息,请转到什么是固定因子和随机因子之间的差值?

解释负方差分量

拟合一般线性模型的计算允许使用负方差分量。通常,当模型包含随机因子时,使用拟合混合响应模型而非拟合一般线性模型。如果您使用拟合一般线性模型并且获得负方差分量,则下面是用于处理方差分量负估计值的可行方法:
  • 接受评估值作为实际值零的证据,并使用零作为估计值, 从而确认估计量不再无偏。
  • 保留负估计值,从而确认使用结果的后续计算可能无意义。
  • 解释负分量估计值表明了统计模型不准确。
  • 收集更多数据,并分别对它们进行分析,或与已有数据一起进行分析,希望通过更多信息产生正的估计值。
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