Ben karışık modellerin nitrit gritty daha iyi anlamak için R lme4 paketi üzerinde Doug Bates teori kağıdı okuyorum ve daha iyi anlamak istiyorum, varyans tahmin için sınırlı maksimum olabilirlik (REML) kullanma hakkında ilginç bir sonuç geldi .
REML kriteri 3.3 numaralı bölümde, varyans tahmininde REML kullanımının, monte edilmiş doğrusal bir modelde artık sapmalardan sapma tahmin edilirken bir serbestlik derecesi düzeltmesi kullanımı ile yakından ilişkili olduğunu belirtmektedir. Özellikle, "genellikle bu şekilde türetilmemelerine rağmen", serbestlik düzeltme dereceleri, bir "REML kriteri" optimizasyonu yoluyla varyansın tahmin edilmesiyle elde edilebilir (Denk. (28)). REML kriteri esasen sadece olasılıktır, ancak doğrusal uyum parametreleri marjinalleştirilerek ortadan kaldırılmıştır (bunları önyargılı örnek varyansı verecek uyum tahminine eşit ayarlamak yerine).
Matematiği yaptım ve sadece sabit etkileri olan basit bir doğrusal model için iddia edilen sonucu doğruladım . Mücadele ettiğim şey yorum. Uyum parametrelerinin marjinalleştirilme olasılığını optimize ederek bir varyans tahmini türetmenin doğal olduğu bazı perspektifler var mı? Sanki bir posterior gibi düşünüyor ve uyum parametrelerini rasgele değişkenlermiş gibi marjinalleştiriyor gibi Bayesian hissediyor.
Yoksa gerekçe öncelikle matematiksel midir - doğrusal durumda çalışır ama aynı zamanda genelleştirilebilir mi?