Suy luận về hiệu ứng cố định trong mô hình hiệu ứng hỗn hợp

Tôi có dữ liệu tương quan và đang sử dụng mô hình hiệu ứng hỗn hợp hồi quy logistic để ước tính hiệu ứng mức độ (điều kiện) riêng cho một yếu tố dự đoán quan tâm. Tôi biết rằng đối với các mô hình cận biên tiêu chuẩn, suy luận về các tham số mô hình sử dụng thử nghiệm Wald phù hợp với tỷ lệ khả năng và các thử nghiệm điểm số. Chúng thường xấp xỉ nhau. Bởi vì Wald dễ tính toán và có sẵn trong đầu ra R, tôi sử dụng 99% thời gian đó.

Tuy nhiên, với một mô hình hiệu ứng hỗn hợp, tôi rất thích thú khi thấy một sự khác biệt lớn giữa thử nghiệm Wald cho các hiệu ứng cố định, như chúng được báo cáo trong đầu ra mô hình trong R và thử nghiệm tỷ lệ khả năng "bằng tay" - bao gồm thực sự phù hợp với mô hình giảm. Theo trực giác, tôi có thể thấy lý do tại sao điều này có thể tạo ra một sự khác biệt lớn, bởi vì trong mô hình giảm, phương sai của hiệu ứng ngẫu nhiên được ước tính lại và có thể ảnh hưởng đáng kể đến khả năng.

Ai đó có thể giải thích

1. Làm thế nào các thống kê kiểm tra Wald được tính trong R cho các hiệu ứng cố định?
2. Ma trận thông tin cho các tham số mô hình ước tính trong mô hình hiệu ứng hỗn hợp là gì? (và có phải cùng mx mà số liệu thống kê kiểm tra Wald được tính không?)
3. Sự khác biệt trong giải thích giữa các kết quả từ hai thử nghiệm trong các trường hợp tôi mô tả là gì? cái nào thường được thúc đẩy và sử dụng trong tài liệu để suy luận?

Thống kê Wald truyền thống để kiểm tra giả thuyết H0 Lt = l với L, rxp và l, rx 1, được đưa ra bởi W = (Lt - l) '[L (X'H-1 X) -1 L'] -1 (Lt - l) và không có triệu chứng, thống kê này có phân phối chi bình phương trên r bậc tự do. Đây là các thử nghiệm cận biên, do đó có sự điều chỉnh cho tất cả các điều khoản khác trong phần cố định của mô hình. R là nguồn mở

1. Bạn có nguồn không?
2. Mô hình của bạn chính xác là gì? Hiệu ứng hỗn hợp là một phạm trù khá rộng, theo như nó cộng hưởng vào ma trận thông tin Fisher.
3. Bạn có nghĩa là một tỷ lệ khả năng và một bài kiểm tra điểm?