モデルにランダム効果を含める場合


9

私は混合モデリングに不慣れで、私が行っている分析でランダム効果を使用することが適切かどうかについて混乱しています。任意のアドバイスをいただければ幸いです。

私の研究は、新しく開発された哺乳類の存在量の指標が、確立されているがより労働集約的な指標の価値をどれだけうまく予測できるかをテストしています。私はこれらの指標を複数の森林パッチで測定しており、各森林パッチに複数のプロットがあります。

フォレストパッチの効果には直接興味がなく、サンプルプロットがフォレストパッチ内にネストされているため、ランダムエフェクトとしてフォレストパッチを使用しています。ただし、これについていくつか質問があります。

まず、ランダム効果は、サンプリングしたものだけでなく、ランダム因子のすべての可能なレベルにわたって結果を一般化できることを知っています。しかし、この種の推論を行うには、レベルをランダムにサンプリングする必要があるように思えますか?フォレストパッチがランダムにサンプリングされなかったので、ランダムエフェクトとして使用できますか?

次に、Iは、たとえば、影響のあるモデルとないモデルを比較するための尤度比テストを行うことにより、ランダムな効果が必要かどうかをテストできることを読みました。私はこれを実行しましたが、変量効果モデルは固定効果のみのモデルと同様にデータを説明しないことを示唆しています。これに関する私の問題は、私のプロットがまだフォレストパッチ内にネストされているため、おそらく独立していないことです。したがって、このLRTアプローチを使用してランダム効果を除外することを正当化できますか、それともネストネスを説明するためにそれを含める必要がありますか?そして、ランダムな効果を削除してしまう場合、フォレストパッチ内のプロットが独立していると見なすことができることを確認する方法はありますか?

ご協力いただきありがとうございます!

ジェイ


ランダム効果の主な概念的なことは、それらがすべてほぼ同じ大きさであり、交換可能でなければならないということです-これが、非サンプリングのランダム効果についての推論を可能にするものです。また、変量効果のLRテストの使用には注意が必要です。ML/ REMLの推定値がゼロまたはゼロに近い場合でも、分散コンポーネントに関してかなりの不確実性がある場合があるためです。
確率

どうもありがとうございました。ランダムな効果を維持するために必要な場合、解決する方法はありますか?
ジェイ

私が理解していることから、REMLに適合したモデルとのLR比較を行わないことが最善です。たとえば、Rのlmerでは、LRTを実行するときにREML = FALSEを設定する必要があります。(デフォルトはTRUEですが、それ以外の場合はより優れています。)
ウェイン

回答:


6

私が理解しているように、単純なネストされた観測計画(パッチ内のプロット)があり、2つの連続変数(2つのインデックス)間の相関/回帰に関心があります。サンプルサイズはmパッチxnプロット=観測値のNペア(またはバランスが取れていない場合は適切な要約)です。適切なランダム化は含まれていませんでしたが、(1)パッチがこの種類のすべてのパッチまたは特定の領域から「ランダムに」選択され、次に(2)プロットが「ランダムに」選択されたと見なすことができます。各パッチ内で選択されます。

ランダムファクターパッチを無視する場合、それらを(数またはタイプで)それらの(以前に)選択されたパッチにあるように制約することなく、「自由に」ランダムに選択したNプロットを考慮して疑似複製している可能性があります。

だから、あなたの最初の質問:はい、それはランダムな要素が許すものです。そのような推論の妥当性は、無計画な選択がパッチのランダムな選択と同等であるという仮定の妥当性に依存します(たとえば、異なるフォレストパッチのセットが選択された場合でも結果は変わらないでしょう)。これにより、推論の範囲も制限されます。結果が及ぶ森林または地理的領域の種類は、サンプルが信頼できる「ランダム」サンプルであるパッチの最大(仮想)母集団に依存します。多分あなたの観察はあなたの地域の森林パッチの哺乳類の「合理的なランダムな」サンプルですが、大陸全体の哺乳類の疑わしい集約されたサンプルでしょう。

2つ目:テストは、「疑似複製の程度」、またはパッチに「所属」することをプロットするサンプルの証拠に依存します。これは、パッチ間およびパッチ内のプロット間でどの程度の変動があるかです(クラス内相関を検索)。極端な場合、パッチ間の変動のみが存在し(パッチ内のプロットはすべて同じ)、「純粋な疑似複製」があります。Nはパッチの数であり、それぞれから1つ以上のプロットをサンプリングしても提供されません。新情報。反対に、すべての変動はプロット間で発生し、各プロットがどのフォレストパッチに属するかを知ることで説明される余分な変動はありません(ランダム要素のないモデルの方が簡潔に見えるでしょう)。「独立した」プロットがあります。哺乳類の空間的自己相関と地理的分布のためであっても、特に地上で観察された生物学的変数の場合、極端なものはどれも起こりそうにありません。私は個人的に、上記の「実験と観察」の類似性を維持するために、とにかく(たとえば、パッチがこのサンプルの変動の関連ソースではない場合でも)設計によって要因を保持することを好みます。覚えておいてください。サンプルに、パッチ間の変動がゼロであるというヌルヒポテシスを拒否する証拠がないことは、母集団の変動がゼロであることを意味しません。この例では、パッチが関連する変動の原因ではない場合でも)上記で説明した「実験と観察」の類似性を維持します。覚えておいてください。サンプルに、パッチ間の変動がゼロであるというヌルヒポテシスを拒否する証拠がないことは、母集団の変動がゼロであることを意味しません。この例では、パッチが関連する変動の原因ではない場合でも)上記で説明した「実験と観察」の類似性を維持します。覚えておいてください。サンプルに、パッチ間の変動がゼロであるというヌルヒポテシスを拒否する証拠がないことは、母集団の変動がゼロであることを意味しません。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.