¿Modelar las diferencias individuales por identificación o por variables numéricas?

Question

Quiero entender el efecto del IV en mis VD (cada sujeto tiene múltiples mediciones). Me doy cuenta de que mi enfoque de análisis por defecto es utilizar el ID del sujeto como variable aleatoria y lanzar los IVs y DVs en los modelos de efectos mixtos. Creo que mi enfoque predeterminado y simple tiene todo el sentido, ya que mi objetivo es comprender el efecto del IV en lugar de otras variables.

Sin embargo, me pregunto cuándo deberíamos utilizar el enfoque alternativo, que consiste en modelar cuantitativamente las diferencias individuales según las características clave de los sujetos (por ejemplo, variables numéricas como la edad, o categóricas como el sexo). Además, si queremos hacerlo, ¿tenemos que seguir utilizando modelos de efectos mixtos?

Mi enfoque por defecto: DV ~ IV + (1|identificación del sujeto)

El enfoque alternativo: VD ~ IV + edad del sujeto + sexo del sujeto

Cualquier recomendación de libros de texto/blogs sobre este tema será bienvenida. Necesito una educación más sistemática sobre los modelos de efectos mixtos.

¡Muchas gracias!

Answer 1

Si un sujeto está representado en los datos por múltiples mediciones, el supuesto de independencia de la regresión lineal no se cumple y los errores estándar resultantes y $p$ -Los valores son engañosos. Un modelo mixto con un intercepto aleatorio para el ID del sujeto tiene en cuenta esta dependencia, permitiendo una inferencia válida de los datos anidados/estructurados/jerárquicos.

Los dos enfoques enumerados aquí no son alternativos entre sí. El modelo mixto que muestra primero estima un intercepto aleatorio para los sujetos, lo que significa que los individuos que empiezan más altos también terminarán más altos y viceversa. Si cree que la edad y el sexo pueden confundir el efecto de la variable independiente, puede añadir su efectos fijos al modelo. Se trata de una cuestión completamente distinta a la de las medidas repetidas.

Para la literatura, podrías echar un vistazo a estos hilos relacionados: 1 , 2 . No es precisamente una lectura ligera, pero personalmente encuentro que los modelos generalizados, lineales y mixtos de McCulloch son una introducción muy completa. $^{[1]}$ Este es también el libro que se utiliza para la formación de máster en estadística en la Universidad de Leiden. Si no te sientes tan cómodo con todas las matemáticas que implica y sólo quieres una visión general, puedes echar un vistazo a mi video conferencia sobre modelos mixtos .

---

$[1]$ : McCulloch, Charles E., S. R. Searle y John M. Neuhaus. Modelos generalizados, lineales y mixtos . Hoboken, Nueva Jersey: John Wiley & Sons, 2008 .