Ho dati correlati e sto usando un modello di effetti misti di regressione logistica per stimare l'effetto a livello individuale (condizionale) per un predittore di interesse. So che per i modelli marginali standard, l'inferenza sui parametri del modello usando il test Wald è coerente per il rapporto di verosimiglianza e i test di punteggio. Di solito sono approssimativamente uguali. Poiché Wald è facile da calcolare e disponibile in output R, lo uso il 99% delle volte.
Tuttavia, con un modello di effetti misti, ero incuriosito dal vedere un'enorme differenza tra il test di Wald per gli effetti fissi, come riportato nell'output del modello in R, e un test del rapporto di probabilità "manuale" - che comporta attualmente adatto al modello ridotto. Intuitivamente, posso capire perché questo potrebbe fare un'enorme differenza, perché nel modello ridotto, la varianza dell'effetto casuale viene rivalutata e può influenzare sostanzialmente la probabilità.
Qualcuno può spiegare
- Come vengono calcolate le statistiche del test Wald in R per gli effetti fissi?
- Qual è la matrice di informazioni per i parametri del modello stimati in un modello a effetti misti? (ed è lo stesso mx da cui vengono calcolate le statistiche del test Wald?)
- Quali sono le differenze di interpretazione tra i risultati dei due test nei casi che ho descritto? quali sono generalmente motivati e usati in letteratura per deduzione?