Lineare gemischte Modelle: Schätzung

Methode

Wählen Sie die Schätzung für die Maximum Likelihood oder die eingeschränkte Maximum Likelihood aus.

Freiheitsgrade

Stellt Optionen zur Verfügung, mit denen die Freiheitsgrade für alle Tests definiert werden können.

Residualmethode: Die Residualmethode besitzt feste Freiheitsgrade für alle Tests. Dies ist hilfreich, wenn Ihre Stichprobe groß genug ist oder die Daten ausgewogen sind oder das Modell einen einfacheren Kovarianztyp verwendet (zum Beispiel "Skalierte Identität" oder "Diagonal").
Satterthwaite-Approximation: Die Satterthwaite-Methode besitzt feldbasierte Freiheitsgrade über die Tests hinweg. Dies ist hilfreich, wenn Ihre Stichprobe klein ist oder die Daten unausgewogen sind oder das Modell einen komplizierten Kovarianztyp verwendet (zum Beispiel "Unstrukturiert").
Kenward-Roger-Approximation: Die Kenward-Roger-Methode bietet einen präziseren Schätzer für kleine Stichproben im Hinblick auf die Varianz/Kovarianz der Parameter für feste Effekte und die näherungsweise berechneten für den Nenner gültigen Freiheitsgrade in t-Tests und F-Tests. Die Methode führt einen Skalierungsfaktor für die F-Statistik ein und schätzt diese und die für den Nenner gültigen Freiheitsgrade mithilfe einer Taylor-Serienerweiterung für die geschätzte zufällige Struktur innerhalb der Daten.
Hinweis: Die Kenward-Roger-Methode wird in der modellbasierten Kovarianz (anstelle der robusten Kovarianz) verwendet. Wenn sowohl die Kenward-Roger-Methode als auch die robuste Kovarianz ausgewählt sind, wird die Kenward-Roger-Methode auf die modellbasierte Kovarianz angewendet. In diesem Fall wird folgende Warnung angezeigt: "Da die Kenward-Roger-Methode ausgewählt ist, wird die Methode der robusten Kovarianz in die Methode der modellbasierten Kovarianz geändert."

Iterationen

Die folgenden Optionen sind verfügbar:

Maximalzahl der Iterationen: Geben Sie eine nicht negative Ganzzahl an.
Maximalzahl für Schritthalbierungen: Bei jeder Iteration wird die Schrittgröße um den Faktor 0,5 reduziert, bis die Log-Likelihood ansteigt oder die Maximalzahl für die Schritthalbierung erreicht ist. Geben Sie eine positive Ganzzahl ein.
Iterationsverlauf ausgeben alle n Schritte: Zeigt eine Tabelle an, die den Log Likelihood-Funktionswert und Parameterschätzungen bei jeder N -Iteration enthält, die mit der 0-^th -Iteration beginnt (die ursprünglichen Schätzungen). Wenn Sie den Iterationsverlauf drucken, wird die letzte Iteration stets unabhängig vom Wert für n ausgegeben.

Log-Likelihood-Konvergenz

Es wird angenommen, dass eine Konvergenz vorliegt, wenn die absolute oder relative Änderung in der Log-Likelihood-Funktion kleiner als der angegebene Wert ist, der nicht negativ sein darf. Wenn der angegebene Wert gleich 0 ist, wird dieses Kriterium nicht angewendet.

Parameterkonvergenz

Es wird angenommen, dass eine Konvergenz vorliegt, wenn die maximale absolute oder maximale relative Änderung in den Parameterschätzungen kleiner als der angegebene Wert ist, der nicht negativ sein darf. Wenn der angegebene Wert gleich 0 ist, wird dieses Kriterium nicht angewendet.

Konvergenz der Hesse-Matrix

Für die Spezifikation Absolut wird angenommen, dass eine Konvergenz vorliegt, wenn eine Statistik auf der Basis der Hesse-Matrix kleiner als der angegebene Wert ist. Für die Spezifikation Relativ wird angenommen, dass eine Konvergenz vorliegt, wenn die Statistik kleiner als das Produkt aus dem angegebenen Wert und dem absoluten Wert der Log-Likelihood ist. Wenn der angegebene Wert gleich 0 ist, wird dieses Kriterium nicht angewendet.

Maximale Scoring-Schritte

Anforderungen, den Scoring-Algorithmus von Fisher bis zur Iterationsnummer N zu verwenden. Geben Sie eine nicht negative Ganzzahl an.

Singularitätstoleranz

Dieser Wert wird als Toleranz bei der Prüfung auf Singularität verwendet. Geben Sie einen positiven Wert ein.

Angeben von Schätzkriterien für lineare gemischte Modelle

Diese Funktion erfordert Custom Tables and Advanced Statistics.

Wählen Sie in den Menüs Folgendes aus:
Analysieren > Gemischte Modelle > Linear ...
Wählen Sie optional Variablen für Subjekte und Wiederholungen aus und klicken Sie dann auf Weiter.
Klicken Sie im Dialogfeld "Lineare gemischte Modelle" auf Schätzung.
Wählen Sie das gewünschte Schätzkriterium aus.