Me han correlacionado los datos y estoy usando una regresión logística de efectos mixtos modelo para estimar el nivel individual (condicional) efecto de un predictor de interés. Sé que para el estándar marginales de los modelos, la inferencia sobre los parámetros del modelo mediante la prueba de Wald es consistente para el cociente de probabilidad y puntuación de las pruebas. Generalmente son de aproximadamente el mismo. Porque la Wald es fácil de calcular y disponible en la salida R, yo uso el 99% del tiempo.
Sin embargo, con un modelo de efectos mixtos, yo estaba intrigado a ver una gran diferencia entre la prueba de Wald para los efectos fijos, como se les informó en la salida del modelo en R, y un "a mano" prueba de razón de verosimilitud-que involucra la colocación de la modelo reducido. Intuitivamente, puedo ver por qué esto puede hacer una gran diferencia, ya que en el modelo reducido, la varianza de los efectos aleatorios se re-estima y puede afectar sustancialmente la probabilidad.
Puede alguien explicar
- ¿Cómo son los test Wald estadísticas calculadas en R para efectos fijos?
- ¿Qué es la matriz de información para la estimación de los parámetros del modelo en un modelo de efectos mixtos? (y es la misma mx a partir de la cual la prueba de Wald se calculan las estadísticas?)
- ¿Cuáles son las diferencias en la interpretación de los resultados de las dos pruebas en los casos que he descrito? cuáles son generalmente motivado y utilizados en la literatura para la inferencia?
