Làm thế nào để giải thích phương sai và tương quan của các hiệu ứng ngẫu nhiên trong một mô hình hiệu ứng hỗn hợp?

Tôi hy vọng tất cả các bạn không bận tâm câu hỏi này, nhưng tôi cần trợ giúp diễn giải đầu ra cho đầu ra mô hình hiệu ứng hỗn hợp tuyến tính mà tôi đã cố gắng học để làm trong R. Tôi chưa quen với phân tích dữ liệu theo chiều dọc và hồi quy hiệu ứng hỗn hợp tuyến tính. Tôi có một mô hình mà tôi đã trang bị hàng tuần với tư cách là người dự đoán thời gian và ghi điểm vào một khóa học việc làm là kết quả của tôi. Tôi đã lập mô hình điểm số theo tuần (thời gian) và một số hiệu ứng cố định, giới tính và chủng tộc. Mô hình của tôi bao gồm các hiệu ứng ngẫu nhiên. Tôi cần giúp đỡ để hiểu ý nghĩa của phương sai và tương quan. Đầu ra như sau:

Random effects  
Group   Name    Variance  
EmpId intercept 680.236  
weeks           13.562  
Residual 774.256  

Hệ số tương quan là .231.

Tôi có thể giải thích mối tương quan vì có một mối quan hệ tích cực giữa các tuần và điểm số nhưng tôi muốn có thể nói điều đó theo "23% của ...".

Tôi thực sự đánh giá cao sự giúp đỡ.

Cảm ơn "khách" và Macro đã trả lời. Xin lỗi, vì đã không trả lời, tôi đã ra ngoài tại một hội nghị và bây giờ tôi đang bắt kịp. Đây là đầu ra và bối cảnh.

Dưới đây là tóm tắt cho mô hình LMER tôi đã chạy.

>summary(LMER.EduA)  
Linear mixed model fit by maximum likelihood  
Formula: Score ~ Weeks + (1 + Weeks | EmpID)   
   Data: emp.LMER4 

  AIC     BIC   logLik   deviance   REMLdev   
 1815     1834  -732.6     1693    1685

Random effects:    
 Groups   Name       Variance Std.Dev. Corr  
 EmpID   (Intercept)  680.236  26.08133        
          Weeks         13.562 3.682662  0.231   
 Residual             774.256  27.82546        
Number of obs: 174, groups: EmpID, 18


Fixed effects:    
            Estimate Std. Error  t value  
(Intercept)  261.171      6.23     37.25    
Weeks          11.151      1.780    6.93

Correlation of Fixed Effects:  
     (Intr)  
Days -0.101

Tôi không hiểu làm thế nào để giải thích phương sai và dư cho các hiệu ứng ngẫu nhiên và giải thích nó cho người khác. Tôi cũng không biết làm thế nào để giải thích mối tương quan, ngoài điều đó là tích cực chỉ ra rằng những người có độ chặn cao hơn có độ dốc cao hơn và những người có độ dốc thấp hơn có độ dốc thấp hơn nhưng tôi không biết cách giải thích mối tương quan theo thuật ngữ 23% trong số. . . . (Tôi không biết làm thế nào để kết thúc câu hoặc thậm chí nếu nó có ý nghĩa để làm như vậy). Đây là một phân tích loại khác nhau đối với chúng tôi vì chúng tôi (tôi) đang cố gắng chuyển sang phân tích theo chiều dọc.

Tôi hi vọng cái này giúp được.

Cảm ơn vì sự giúp đỡ của bạn.

Zeda

Mô hình được trang bị của bạn với lme()có thể được thể hiện như

$y_{ij} = \alpha_0 + \alpha_1 x_j + \delta_{0i} + \delta_{1i} x_j + \epsilon_{ij}$

$y_{ij}$$i$$x_j$$\alpha_0$$\alpha_1$$\delta_{0i}$$\delta_{1i}$$\epsilon_{ij}$$\delta_{0i}$$\delta_{1i}$$\epsilon_{ij}$

$(\delta_{0i}, \delta_{1i})^T \stackrel{d}{\sim} N((0, 0)^T, G)$$\epsilon_{ij} \stackrel{d}{\sim} N(0, \sigma^2)$

$G$

Bạn có thể nhận được ma trận phương sai giữa các thuật ngữ hiệu ứng ngẫu nhiên từ VarCorr(LMER.EduA)$ID.

Kết quả của bạn về cơ bản nói rằng

$\alpha_0$$\alpha_1$

$g_1^2$$g_2^2$$\sigma^2$

$g_{12}^2$VarCorr(LMER.EduA)$0.23\times \sqrt{g_1^2 g_2^2}$

$g_1^2$$g_2^2$