Часть серии по |
Регрессивный анализ |
---|
Модели |
Оценка |
|
Фон |
|
|
Смешанная модель , смешанные эффекты модели или смешанные ошибок модели компонентных представляет собой статистическую модель , содержащая как фиксированные эффекты и случайные эффекты . [1] Эти модели полезны в широком спектре дисциплин физических, биологических и социальных наук. Они особенно полезны в условиях, когда повторные измерения проводятся на одних и тех же статистических единицах ( продольное исследование), или когда измерения производятся по кластерам связанных статистических единиц. Из-за их преимущества в работе с пропущенными значениями модели со смешанными эффектами часто предпочтительнее более традиционных подходов, таких как ANOVA с повторными измерениями .
История и текущий статус [ править ]
Рональд Фишер представил модели со случайными эффектами для изучения корреляции значений черт между родственниками. [2] В 1950-х годах Чарльз Рой Хендерсон предоставил наилучшие линейные несмещенные оценки (BLUE) фиксированных эффектов и лучшие линейные несмещенные прогнозы (BLUP) случайных эффектов. [3] [4] [5] [6] Впоследствии смешанное моделирование стало основной областью статистических исследований, включая работу по вычислению оценок максимального правдоподобия, нелинейные модели смешанных эффектов, отсутствующие данные в моделях смешанных эффектов и байесовские модели.оценка моделей смешанных эффектов. Смешанные модели применяются во многих дисциплинах, где выполняется множество коррелированных измерений для каждой интересующей единицы. Они широко используются в исследованиях с участием людей и животных в самых разных областях, от генетики до маркетинга, а также в бейсболе [7] и промышленной статистике. [8]
Определение [ править ]
В матричных обозначениях линейная смешанная модель может быть представлена как
куда
- - известный вектор наблюдений со средним значением ;
- - неизвестный вектор фиксированных эффектов;
- - неизвестный вектор случайных эффектов со средним значением и матрицей дисперсии-ковариации ;
- - неизвестный вектор случайных ошибок со средним значением и дисперсией ;
- и известны конструкции матрица , касающиеся наблюдения в и , соответственно.
Оценка [ править ]
Совместная плотность и может быть записана в виде: . Предполагая нормальность , и , и максимизации совместной плотности над и дает «смешанные модели уравнений» Хендерсона , (MME) для линейных смешанных моделей: [3] [5] [9]
Решения MME и являются наилучшими линейными несмещенными оценками (BLUE) и предикторами (BLUP) для и , соответственно. Это следствие теоремы Гаусса – Маркова, когда условная дисперсия результата не масштабируется до единичной матрицы. Если условная дисперсия известна, то оценка методом наименьших квадратов, взвешенная с обратной дисперсией, будет СИНИМ. Однако условное отклонение редко, если вообще известно. Поэтому желательно совместно оценивать дисперсию и оценки взвешенных параметров при решении MME.
Одним из методов, используемых для подбора таких смешанных моделей, является метод EM-алгоритма, в котором компоненты дисперсии обрабатываются как ненаблюдаемые мешающие параметры в совместной вероятности. [10] В настоящее время это реализованный метод для основных пакетов статистического программного обеспечения R (lme в пакете nlme или lmer в пакете lme4), Python ( пакет statsmodels ), Julia (пакет MixedModels.jl) и SAS (proc смешанный). Решение уравнений смешанной модели является оценкой максимального правдоподобия, когда распределение ошибок является нормальным. [11] [12]
См. Также [ править ]
- Нелинейная модель смешанных эффектов
- Модель с фиксированными эффектами
- Обобщенная линейная смешанная модель
- Линейная регрессия
- Смешанный дизайн дисперсионного анализа
- Многоуровневая модель
- Модель случайных эффектов
- Дизайн повторных мероприятий
Ссылки [ править ]
- ^ Baltagi, Бади H. (2008). Эконометрический анализ панельных данных (Четвертое изд.). Нью-Йорк: Вили. С. 54–55. ISBN 978-0-470-51886-1.
- Перейти ↑ Fisher, RA (1918). «Соотношение родственников на основе менделевской наследственности» . Труды Королевского общества Эдинбурга . 52 (2): 399–433. DOI : 10.1017 / S0080456800012163 .
- ^ a b Робинсон, GK (1991). «Этот BLUP - хорошая вещь: оценка случайных эффектов» . Статистическая наука . 6 (1): 15–32. DOI : 10,1214 / сс / 1177011926 . JSTOR 2245695 .
- ^ CR Хендерсон; Оскар Кемпторн; SR Searle; CM фон Крозигк (1959). «Оценка экологических и генетических тенденций по записям, подлежащим уничтожению». Биометрия . Международное биометрическое общество. 15 (2): 192–218. DOI : 10.2307 / 2527669 . JSTOR 2527669 .
- ^ а б Л. Дейл Ван Флек. «Чарльз Рой Хендерсон, 1 апреля 1911 - 14 марта 1989» (PDF) . Национальная академия наук США .
- ^ Маклин, Роберт А .; Сандерс, Уильям Л .; Строуп, Уолтер В. (1991). «Единый подход к смешанным линейным моделям». Американский статистик . Американская статистическая ассоциация. 45 (1): 54–64. DOI : 10.2307 / 2685241 . JSTOR 2685241 .
- ^ гуру аналитики и смешанная модель
- ^ Смешанные модели в промышленности
- ^ Хендерсон, CR (1973). "Оценка производителей и генетические тенденции" (PDF) . Журнал зоотехники . Американское общество зоотехники. 1973 : 10–41. DOI : 10.1093 / ansci / 1973.Symposium.10 . Проверено 17 августа 2014 года .
- ^ Линдстром, ML; Бейтс, Д.М. (1988). «Алгоритмы Ньютона – Рафсона и EM для линейных моделей смешанных эффектов для данных с повторными измерениями». ДЖАСА . 83 (404): 1014–1021. DOI : 10.1080 / 01621459.1988.10478693 .
- ^ Laird, Nan M .; Уэр, Джеймс Х. (1982). «Модели случайных эффектов для продольных данных». Биометрия . Международное биометрическое общество. 38 (4): 963–974. DOI : 10.2307 / 2529876 . JSTOR 2529876 . PMID 7168798 .
- ^ Фитцморис, Гаррет М .; Laird, Nan M .; Уэр, Джеймс Х. (2004). Прикладной лонгитюдный анализ . Джон Вили и сыновья. С. 326–328.
Дальнейшее чтение [ править ]
- Галецкий, Анджей; Буржиковски, Томаш (2013). Линейные модели со смешанными эффектами с использованием R: пошаговый подход . Нью-Йорк: Спрингер. ISBN 978-1-4614-3900-4.
- Милликен, Джорджия; Джонсон, DE (1992). Анализ беспорядочных данных: Vol. I. Спланированные эксперименты . Нью-Йорк: Чепмен и Холл.
- Запад, БТ; Уэлч, КБ; Галецкий А.Т. (2007). Линейные смешанные модели: Практическое руководство с использованием статистического программного обеспечения . Нью-Йорк: Chapman & Hall / CRC.