Prima di porre questa domanda, ho cercato nel nostro sito e ho trovato molte domande simili (come qui , qui e qui ). Ma ritengo che quelle domande correlate non abbiano avuto una risposta o una discussione, quindi vorrei sollevare di nuovo questa domanda. Penso che dovrebbe esserci un grande pubblico che desidera che questo tipo di domande sia spiegato più chiaramente.
Per le mie domande, considera innanzitutto il modello lineare ad effetti misti,
Supponiamo che l'unico fattore ad effetto fisso sia un trattamento a categoria variabile , con 3 livelli diversi. E l'unico fattore ad effetto casuale è il soggetto variabile . Detto questo, abbiamo un modello a effetti misti con effetto di trattamento fisso ed effetto soggetto casuale.
Le mie domande sono quindi:
- Esiste l'omogeneità dell'assunzione di varianza nell'impostazione di modelli misti lineari, analoga ai tradizionali modelli di regressione lineare? In tal caso, cosa significa specificamente l'assunzione nel contesto del problema del modello misto lineare sopra indicato? Quali sono altri presupposti importanti che devono essere valutati?
I miei pensieri: SÌ. le ipotesi (intendo, zero errore medio e uguale varianza) sono ancora da qui: . Nell'impostazione del modello di regressione lineare tradizionale, possiamo affermare che "la varianza degli errori (o solo la varianza della variabile dipendente) è costante in tutti e 3 i livelli di trattamento". Ma mi sono perso il modo in cui possiamo spiegare questo assunto sotto il modello misto. Dovremmo dire "le variazioni sono costanti su 3 livelli di trattamenti, condizionamento su soggetti? O no?"
Il documento online SAS sui residui e la diagnostica dell'influenza ha portato alla luce due diversi residui, ovvero i residui marginali , e i residui condizionali , La mia domanda è: a cosa servono i due residui? Come potremmo usarli per verificare l'ipotesi di omogeneità? Per me, solo i residui marginali possono essere usati per affrontare il problema dell'omogeneità, poiché corrisponde al del modello. La mia comprensione qui è corretta?
Esistono prove proposte per testare l'assunzione di omogeneità in un modello misto lineare? @Kam ha sottolineato il test del levene in precedenza, sarebbe la strada giusta? In caso contrario, quali sono le indicazioni? Penso che dopo aver adattato il modello misto, possiamo ottenere i residui e forse possiamo fare alcuni test (come il test di bontà di adattamento?), Ma non sono sicuro di come sarebbe.
Ho anche notato che ci sono tre tipi di residui di Proc Mixed in SAS, vale a dire il residuo Raw , il residuo Studentized e il residuo Pearson . Riesco a capire le differenze tra loro in termini di formule. Ma a me sembrano essere molto simili quando si tratta di trame di dati reali. Quindi, come dovrebbero essere usati in pratica? Ci sono situazioni in cui un tipo è preferito agli altri?
Per un esempio di dati reali, i seguenti due grafici residui sono di Proc Mixed in SAS. In che modo si potrebbe affrontare il presupposto dell'omogeneità delle varianze?
[So di avere un paio di domande qui. Se potessi fornirmi uno qualsiasi dei tuoi pensieri per qualsiasi domanda, sarebbe fantastico. Non è necessario affrontarli tutti se non è possibile. Vorrei davvero discutere su di loro per ottenere la piena comprensione. Grazie!]
Ecco i grafici residui (grezzi) marginali.
Ecco i grafici residui (grezzi) condizionali.