Satterthwaite so với xấp xỉ Kenward-Roger cho mức độ tự do trong các mô hình hỗn hợp

Các lmerTestgói cung cấp một anova()chức năng cho các mô hình hỗn hợp tuyến tính với tùy chọn xấp xỉ của bậc tự do (df) Satterthwaite của (mặc định) hoặc Kenward-Roger. Sự khác biệt giữa hai phương pháp này là gì? Khi nào nên chọn cái nào?

— doko
nguồn

Xem tài liệu đồng hành Kuznetsova et al, 2017, gói lmerTest: Các thử nghiệm trong các mô hình hiệu ứng hỗn hợp tuyến tính .

— amip nói rằng Phục hồi Monica

Trong phần Thảo luận họ nói "Từ thực tiễn của chúng tôi, chúng tôi đã quan sát thấy rằng các giá trị p mà các phương pháp gần đúng cung cấp thường rất gần nhau. Schaalje, McBride và Fellingham (2002) đã thực hiện một số mô phỏng để điều tra sự phù hợp của Họ đã phát hiện ra rằng sự phức tạp của các cấu trúc hiệp phương sai, kích thước mẫu và sự mất cân bằng ảnh hưởng đến hiệu suất của cả hai xấp xỉ. Tuy nhiên, các yếu tố này ảnh hưởng đến phương pháp của Satterthwaite nhiều hơn so với Kenward-Reller. "

— amip nói rằng Phục hồi lại

Hai ví dụ trong đó KR đưa ra các dfs phù hợp hơn Satterthwaite: stats.stackexchange.com/questions/320895 và stats.stackexchange.com/questions/84268 .

— amip nói rằng Phục hồi Monica

Một ví dụ khác: stats.stackexchange.com/questions/331541 .

— amip nói phục hồi Monica

Bài viết Đánh giá tầm quan trọng trong các mô hình hiệu ứng hỗn hợp tuyến tính trong R của Steven G. Luke có một số so sánh hay về các phương pháp này. Nó kết luận rằng cả KR và Satterthwaite có nguồn gốc từ các mô hình REML đều tạo ra tỷ lệ lỗi Loại I chấp nhận được ngay cả đối với các mẫu nhỏ hơn.

— cbrnr

Câu trả lời:

Tôi cũng quan tâm đến việc tìm ra sự khác biệt có thể là gì. Điều tốt nhất tôi có thể cung cấp cho bạn, bây giờ, là bài đăng trên blog này cho thấy rằng xấp xỉ Kenward-Roger là hơi, nhưng có lẽ không đáng kể, bảo thủ hơn so với xấp xỉ Satterthwaite. Tác giả cũng lưu ý rằng cả hai đều bảo thủ hơn so với xấp xỉ bình thường, nhưng một lần nữa, không nhiều nếu kích thước mẫu đủ cao. Tôi không chắc liệu đây có phải là một kết luận chung chung của tác giả hay không.

Chỉnh sửa: Tôi sẽ thêm rằng bài viết "So sánh mức độ của mẫu số của các phương pháp xấp xỉ tự do trong mô hình hỗn hợp hai chiều không cân bằng" của KB Gregory dường như chỉ ra rằng không có phương pháp nào thường là phương pháp tốt hơn, mặc dù rõ ràng có những trường hợp Xấp xỉ Kenward-Roger mất một số mức độ bảo thủ.

— Bajcz
nguồn

đó là Kenward-Roger (không có "s") ... Kenward-Reller nếu bạn khăng khăng ... nhưng thường được thể hiện mà không có ... xem thêm link.springer.com/article/10.1198/108571102726

— Ben Bolker

Một sự khác biệt khác giữa hai phương pháp được mô tả trong Luke (2017):

Cả hai cách tiếp cận Kenward-Roger (Kenward & Roger, 1997) và Satterthwaite (1941) đều được sử dụng để ước tính mức độ tự do của mẫu số cho thống kê F hoặc mức độ tự do cho thống kê t. SAS PROC MIXED sử dụng phép tính gần đúng Satterthwaite (Học viện SAS, 2008). Mặc dù xấp xỉ Satterthwaite có thể được áp dụng cho các mô hình ML hoặc REML, nhưng xấp xỉ Kenward-Roger chỉ được áp dụng cho các mô hình REML.
(đậm của tôi)

Lu-ca, SG (2017). Đánh giá tầm quan trọng trong các mô hình hiệu ứng hỗn hợp tuyến tính trong Phương pháp nghiên cứu hành vi R. , 49: 4 , 1494-1502. https://doi.org/10.3758/s13428-016-0809-y

— Thiên thần Lu
nguồn