为什么我的随机效应的方差是负数?

机器算法验证 随机效应模型
2022-04-17 06:07:43

我有两个变量responsegroup,并且我拟合group了随机效应的模型。

proc mixed data=myData nobound;
   class group;
   model response =;
   random group;
run;

但是,SAS 为随机效应返回负方差...

我注意到,出乎意料的是,response内部的可变性group可能大于 的整体可变性response我想这就是 SAS 返回负方差的原因。也是你的意见吗?如果是这样,从数学的角度怎么看?

数据

group   response
1   70.8
1   64.2
1   67.8
1   62
1   60 
1   66.6
1   67.8
1   60
1   70
1   63.3
1   37
1   53.8
2   82.7
2   65.5
2   67.7
2   51.6
2   53.8
2   64.3
2   72.4
2   48.3
2   54.8
2   64.8
3   88.5
3   69
3   60.9
3   71.4
3   52
3   58.3
3   63.6
3   51.9
3   52.4
3   52.2
3   65.4 
3个回答

当您使用方差分量估计的 ANOVA 或 MINQUE 方法时,随机因子方差的估计有时可能确实为负。可能有多种原因,要找出实际原因并不容易。参见Hocking RR (1985) 线性模型分析例如异常值和小样本量可能是有罪的。尝试删除一对极值和/或放大样本,看看你得到了什么。

添加。 一些可能的原因:

  • 对于样本量,观测值的变化可能太大。需要更大的样本。
  • 异常值
  • 随机因子的真实方差为0
  • 随机或固定因素中的组太不平衡(大小不等)
  • 方差分量不是数据协方差结构的正确模型

当您从 SAS 代码中删除 nobound 时,组 = 0 的方差。此外,当您使用以下代码时,您可以获得相同的结果;PROC VARCOMP 方法=REML; 类组;模型响应=组/固定=0;跑; 我认为这些结果证实了组的方差 = 0,尽管某些方法给出了负值,例如 Mivque。

当您将数据翻倍并执行分析时,您也会得到负值但更少。对于数据大小的每一次增加,负方差都会减少。第二个因素是三个手段组之间的差异很接近。这两个因素是造成负值的原因。