線形混合モデルの分散の残差診断と均一性
この質問をする前に、私は私たちのサイトを検索しましたし、同様の質問の多くを見つけ、（のようにここでは、ここでは、とここ）。しかし、これらの関連する質問は十分に対応または議論されていないと感じているため、この質問を再度提起したいと思います。こういう質問をもっとわかりやすく説明してほしいという聴衆がたくさんいると思います。 私の質問については、第一の線形混合効果モデルを考慮し、、線形固定効果成分である、対応する追加の設計行列でランダム効果パラメータ、。また、は通常のエラー項です。y=Xβ+Zγ+ϵy=Xβ+Zγ+ϵ \mathbf{y = X\boldsymbol \beta + Z \boldsymbol \gamma + \boldsymbol \epsilon} ZXβXβX\boldsymbol \betaZZ\mathbf{Z}ε 〜N （0 、σ 2 I）γγ\boldsymbol \gammaϵ ∼ N(0,σ2I)ϵ ∼ N(0,σ2I)\boldsymbol \epsilon \ \sim \ N(\mathbf{0, \sigma^2 I}) 唯一の固定効果因子は、3つの異なるレベルを持つカテゴリカル変数Treatmentであると仮定します。そして、唯一の変量効果因子は変数Subjectです。とはいえ、固定治療効果とランダムな被験者効果を持つ混合効果モデルがあります。 私の質問はこうです： 従来の線形回帰モデルと同様に、線形混合モデル設定に分散の仮定の均一性はありますか？もしそうなら、上記の線形混合モデル問題の文脈において、仮定は具体的に何を意味しますか？評価する必要がある他の重要な仮定は何ですか？ 私の考え：はい。仮定（つまり、エラーゼロ平均、および分散が等しい）は、まだここからです：。従来の線形回帰モデルの設定では、「エラーの分散（または従属変数の分散のみ）は、3つの処理レベルすべてにわたって一定である」と仮定できます。しかし、混合モデル設定でこの仮定をどのように説明できるか迷っています。「分散は被験者の条件付けの3つのレベルで一定ですか？」ϵ ∼ N(0,σ2I)ϵ ∼ N(0,σ2I)\boldsymbol \epsilon \ \sim \ N(\mathbf{0, \sigma^2 I}) 残差と影響力診断に関するSASのオンラインドキュメント二つの異なる残差を育て、すなわち、限界残差、と条件付き残差、 私の質問は、2つの残差は何に使用されるのですか？それらをどのように使用して、均質性の仮定を確認できますか？私には、モデルのに対応しているため、均一性の問題に対処するために限界残差のみを使用できます。ここでの私の理解は正しいですか？ R …