Tipik olarak, birden fazla bireyin her biri 2 veya daha fazla koşulda birden çok kez ölçüldüğü verilerle ilgilenirim. Son zamanlarda, koşullar arasındaki farklılıklar için kanıtları değerlendirmek için karışık efekt modelleme ile, individualrastgele bir etki olarak modelleme ile oynuyorum . Böyle bir modellemeden tahminlerle ilgili belirsizliği görselleştirmek için, bootstrap'i her bir yinelemede hem bireylerin hem de bireyler içindeki koşullar içindeki gözlemlerin yerine koyulduğu ve yeni bir karma etki modelinin hangi tahminlerden hesaplandığı elde edildi. Bu, gauss hatası kabul eden veriler için iyi çalışır, ancak veriler binom olduğunda, her yineleme nispeten hesaplama yoğun bir binom karışık efekt modeli hesaplaması gerektiğinden önyükleme çok uzun zaman alabilir.
Sahip olduğum bir düşünce, muhtemelen orijinal modeldeki kalıntıları kullanabileceğim ve daha sonra önyüklemedeki ham veriler yerine bu kalıntıları kullanabileceğim ve bu da önyüklemenin her yinelemesinde bir gauss karışık efekt modelini hesaplamama izin verecekti. Ham verilerin binom modelinden orijinal tahminlerin kalıntılardan önyüklemeli tahminlere eklenmesi, orijinal tahminler için% 95 CI verir.
Ancak, son zamanlarda kodlanmış iki durum arasında bir fark modelleme ve zaman oranını işlem, bu yaklaşımın kolay bir değerlendirme, bir% 95 güven aralığı, sıfır sağlamadılar ve bulundu yukarıda artıklar tabanlı önyükleme işlemi verimleri oldukça güçlü anti-o muhafazakar aralıklar (zamanın% 5'inden fazlasını sıfırlar hariç tutarlar). Ayrıca, daha sonra bu yaklaşımın orijinal olarak gauss olan verilere uygulanan benzer bir değerlendirmesini kodladım ve benzer şekilde (aşırı olmasa da) anti-muhafazakâr CI'ler elde ettim. Bunun neden olabileceğine dair bir fikrin var mı?