在混合效应模型中推断固定效应

机器算法验证 物流 混合模式 推理
2022-03-20 11:24:02

我有相关数据，并且正在使用逻辑回归混合效应模型来估计感兴趣的预测变量的个体水平（条件）效应。我知道对于标准边际模型，使用 Wald 检验推断模型参数对于似然比和分数检验是一致的。它们通常大致相同。因为 Wald 很容易计算并且在 R 输出中可用，所以我 99% 的时间都在使用它。

但是，对于混合效应模型，我很感兴趣地看到固定效应的 Wald 检验与 R 的模型输出中报告的 Wald 检验与“手动”似然比检验之间存在巨大差异，该检验涉及实际上拟合简化模型。直觉上，我可以看到为什么这可能会产生巨大的差异，因为在简化模型中，随机效应的方差被重新估计并且可以显着影响可能性。

有人可以解释

  1. 如何在 R 中计算固定效应的 Wald 检验统计量？
  2. 混合效应模型中估计的模型参数的信息矩阵是什么？（并且计算 Wald 检验统计量的 mx 是否相同？）
  3. 在我描述的案例中，两个测试的结果在解释上有何不同？哪些通常是有动机的，并在文献中用于推理？
1个回答

对于给定的 L, rxp 和 l, rx 1，检验假设 H0 Lt = l 的传统 Wald 统计量由 W = (Lt - l)' [L (X'H-1 X)-1 L' ] 给出-1 (Lt - l) 并且渐近地，该统计量在 r 个自由度上具有卡方分布。这些是边际检验，因此对模型固定部分的所有其他项进行了调整。R 是开源的

  1. 你有来源吗？
  2. 你的模型到底是什么？混合效应是一个相当广泛的类别，只要它与 Fisher 信息矩阵产生共鸣。
  3. 你的意思是似然比和分数测试？
其它你可能感兴趣的问题
上一篇集群验证的信息变化 (VI) 度量背后的直觉是什么？ 下一篇测试某些对比：这是否可以证明是一个难题？