在与来自不同公司的 5 名技术人员进行的实验中,我们调查了新设备的效果。感兴趣的响应变量是分类的。
我正在考虑的一件事是技术人员效应是随机效应。但是在多项逻辑模型中很难包含随机效应。如果没有太大差异,我会将效果作为固定效果输入。所以我的问题:
将随机效应视为固定效应有多糟糕?
从我的旧统计课程中,我可以看到由于真正的随机效应,响应变量的可变性将被低估,因此可能会影响模型中的统计测试。但我不确定它会有多糟糕。
在与来自不同公司的 5 名技术人员进行的实验中,我们调查了新设备的效果。感兴趣的响应变量是分类的。
我正在考虑的一件事是技术人员效应是随机效应。但是在多项逻辑模型中很难包含随机效应。如果没有太大差异,我会将效果作为固定效果输入。所以我的问题:
将随机效应视为固定效应有多糟糕?
从我的旧统计课程中,我可以看到由于真正的随机效应,响应变量的可变性将被低估,因此可能会影响模型中的统计测试。但我不确定它会有多糟糕。
Doug Bates(R 包 lme4 的作者)在他未出版的书(可在线获取)中写道,6 个水平是获得方差分量的合理估计所需的最小数量。通过将技术人员效应视为固定的,人们失去了将回归推广到技术人员群体的解释。严格的解释是回归仅适用于那些样本。因此,您需要在这些想法之间进行权衡。另请注意,SAS 中的 PROC GLIMMIX 将拟合具有随机效应的多项模型。