¿La correlación de los efectos fijos puede ser nula?

Question

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?

Answer 1

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) .