5 votos

¿La correlación de los efectos fijos puede ser nula?

Estoy analizando mis datos utilizando modelos lineales de efectos mixtos y me he dado cuenta de que la alta correlación estimada de los efectos fijos puede estar indicando algún problema de colinealidad:

Correlation of Fixed Effects:
            (Intr) typcmp gpbjct
typecomplex -0.588              
gapobject   -0.588  0.500       
typcmplx:gp  0.416 -0.707 -0.707

He centrado los predictores utilizando el siguiente código:

datsub$c.gap = factor(datsub$gap)
contrasts(datsub$c.gap) = c(1, -1)

datsub$c.type = factor(datsub$type)
contrasts(datsub$c.type) = c(1, -1)

He vuelto a ejecutar mi modelo, y ahora la correlación de los efectos fijos parece ser cero:

Correlation of Fixed Effects:
            (Intr) c.typ1 c.gap1
c.type1     0.000               
c.gap1      0.000  0.000        
c.typ1:c.g1 0.000  0.000  0.000

¿Es esto posible? ¿Estoy centrando mis predictores de manera equivocada?

0 votos

¿Tiene un diseño equilibrado? Si es así, creo que es posible. Si no está seguro de lo que quiero decir, muéstrenos el resultado de la tabulación cruzada del tipo con el hueco.

0 votos

Sí, creo que tengo un diseño equilibrado, tengo aproximadamente el mismo número de puntos de datos por condición (brecha y tipo, cada uno de ellos con dos niveles), entre 13 y 16 puntos de datos por nivel y elemento.

1voto

Sean Hanley Puntos 2428

Parece que está utilizando R . El código que muestra no centra sus variables, sino que los convierte en factores (o no hace nada si ya eran factores). Para centrar una variable, se resta la media de la variable de cada valor. En su caso, el uso de contrasts() después de convertir las variables en factores los centra en $0$ . Si todas sus covariables están centradas, hará que sus variables no estén correlacionadas con su intercepto (cf, ¿Por qué el error estándar del intercepto aumenta cuanto más $\bar x$ es de 0? ), pero no las descorrelacionaría entre sí si estuvieran correlacionadas antes del centrado. Si se tienen variables categóricas (factores), y se tienen iguales $n_{ij}$ s en cada celda, sus variables también estarán perfectamente descorrelacionadas (y descorrelacionadas con el intercepto, ya que el intercepto es entonces sólo el nivel de referencia de sus factores). Esto debería ser cierto tanto si se utiliza la codificación de efectos (1, -1) o codificación del nivel de referencia (0, 1) .

3 votos

Obsérvese cómo fijan los contrastes después de crear los factores.

0 votos

Buen punto, @Roland, lo editaré.

0 votos

Muchas gracias por sus respuestas. La primera salida que informo arriba corresponde a un modelo en el que las variables están codificadas como dummy (0, 1). El segundo resultado corresponde al mismo modelo con codificación de efectos (-1, 1). Esperábamos que centrar nuestras variables categóricas redujera de alguna manera los problemas de (alta) colinealidad, pero nos preguntamos si una correlación cero tiene algún sentido. Véase, por ejemplo, que en nuestra segunda salida no obtenemos ninguna correlación entre el tipo y el tipo*debido.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X