如何比较和验证混合效应模型?


22

通常如何比较(线性)混合效果模型?我知道可以使用似然比检验,但是如果一个模型不是另一个正确模型的“子集”,这将不起作用?

模型df的估算是否总是简单明了?固定效应数量+估计的方差成分数量?我们是否忽略随机效应估计?

验证呢?我的第一个想法是交叉验证,但是考虑到数据的结构,随机折叠可能不起作用。“遗漏一个主题/集群”的方法是否合适?那把一个观察结果留在外面怎么办?

锦葵Cp可解释为模型预测误差的估计。通过AIC进行模型选择会尝试最大程度地减少预测误差(因此,如果误差是高斯型,我相信Cp和AIC应该选择相同的模型)。这是否意味着AIC或Cp可以用于根据预测误差从一些非嵌套模型的集合中选择“最佳”线性混合效应模型?(前提是它们适合相同的数据)BIC是否仍然更有可能在候选人中选择“真实”模型?

我还给人的印象是,在通过AIC或BIC比较混合效果模型时,我们仅将固定效果计算为“参数”,而不是实际模型df。

关于这些主题有没有好的文献?是否值得研究cAIC或mAIC?他们在AIC之外是否有特定的应用程序?


2
在“ AIC以外”应用cAIC或mAIC是什么意思?DIC是您可以研究的预测准确度的一种广泛使用的度量,它试图通过多级模型中包含的“有效”参数来惩罚。
2012年

@guest我的意思是,它们对特定类型的模型有特定用途吗?我将签出DIC。谢谢。
dcl 2012年

Answers:


12

混合模型中模型选择的主要问题是真正定义模型的自由度(df)。为了计算混合模型的df,必须定义估计参数的数量,包括固定效应和随机效应。这并不简单。该论文题为“围栏方法混合模型的选择”由蒋继铭等人(2008)可以在这种情况下应用。一个新的相关工作是这样的一个题为“关于边际和条件AIC的线性混合模型的行为”,由格雷文,S&柯乃柏,T.(2010)。希望这会有所帮助。


我将检查那些文件。干杯。
dcl 2012年

6

比较模型(无论是混合模型还是其他模型)的一种方法是绘制结果。假设您拥有模型A和模型B;产生每个拟合的值,并在散点图中将它们相互作图。如果值非常相似(根据您的判断是否相同),则选择较简单的模型。另一个想法是找到拟合值之间的差异,并针对独立值绘制这些图。您还可以绘制差异的密度图。总的来说,我赞成使用统计测试来比较模型(尽管AIC及其变体当然具有优点),而是使用判断力。当然,这具有不给出准确答案的(缺点)优势。


您所描述的只是当主要目标是预测能力时比较模型。同样,图形结果可能会非常有益于指导哪种模型可能有用,但是通常它们并不是完全正式的科学结果。
hbaghishani 2012年

2
嗨@hbaghishani; 我只想引用Tukey的话:“对一个正确的问题(通常是模糊的)的近似答案要比对一个错误的确切答案(总是可以被精确化的答案)好得多。” :-)。这里并不完全恰当,但至少有部分目标
可言–彼得·弗洛姆-恢复莫妮卡

1
我通常会在模型构建时进行您所描述的绘图。但是我确实在寻找一种更“数学”的方法。干杯
dcl 2012年

如果基于预测性能比较不同的模型,我的理解是,具有和没有随机效应的混合模型的预测值应该是相同的(即,在具有和没有随机效应的模型中,回归系数将无偏见,只有标准误差会发生变化)。
RobertF
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.