线性混合模型教程与协方差结构分析.pdfVIP

STAT6014AdvancedStatisticalModelling

5

1条评论

线性混合模型(LMM)‑第2部分

•回想一下，LMM可以写成

Y=Xβ+Zb+ε

其中b∼N(0,D)、ε∼N(0,S)和Cov(b,ε)=0。

•通常人们会考虑随机截距和/或随机斜率。

•常见协方差结构（对于D或S）：D···0

1

–通常假设D和S都是块对角线，即D=...。和

00···D

q

S···0

1

S=....。。...ii

，其中m是Y中的簇数，D（和S）的

0···Sm

维度取决于簇i中重复测量的数量。因此，只需要指定簇内协方差结构。–一些常见的簇内协方

差结构包括同方差结构、自回归结构、方差分量结构、非结构化分量、复合对称结构等。

2锻炼

1.[LMM]一种新的教学方法（处理=1）应用于随机选择的5所学校，以评估对考试成绩的影响。

另外5所随机选择的学校继续采用旧的教学方法（治疗=0）。学期结束后1个月进行班级考试。学期

结束后两个月再进行第二次班级考试。为了重复性，每个学校使用4个班级进行该实验。为了解

释班级考试成绩（响应变量），我们使用以下协变量（固定效应）：每个班级过去的平均考试成绩

（基线）、治疗和时间。基线和时间都是连续的，而治疗是。随机效应适用于学校参数（分类）。

随机效应的协方差结构试图捕捉所选学校的全局特征。

请注意，观测值的数量是

#treatments×#schools×#classes×#tests=2×5×4×2=80

每个块（类）的协方差矩阵是2×2。

(a)编写线性混合模型。定义所有符号。(b)对于非结构化协方差模型，写出协方差

结构。(c)解释估计的固定效应。(d)对于复合对称协方差模型，写出协方差结构。

(e)解释估计的固定效应（包括相互作用）。(f)使用似然比检验、AIC和BIC

在2个模型之间进行选择。

STAT6014AdvancedStatisticalModelling

Tutorial5

1Review

LinearMixedModel(LMM)-Part2

•RecallthatLMMscanbewrittenas

Y=Xβ+Zb+ε

whereb∼N(0,D),ε∼N(0,S)andCov(b,ε)=0.

•Usuallyoneconsidersrandomintercept