Sanırım en azından ayarlanmamış tekrarlanabilirlik tahminleri, yani klasik sınıf içi korelasyonlar (ICC'ler) ile ilgili sorularınıza cevap verebilirim . "Düzeltilmiş" tekrarlanabilirlik tahminlerine gelince, bağladığınız kağıdın üzerinden baktım ve uyguladığınız formülün kağıtta nerede bulunduğunu gerçekten görmedim mi? Matematiksel ifadeye dayanarak, ortalama puanların tekrarlanabilirliği gibi görünüyor (bireysel puanlar yerine). Ama bunun zaten sorunuzun kritik bir parçası olduğu açık değil, bu yüzden onu görmezden geleceğim.
(1.) Bir etkinin tekrarlanabilirliğinin nokta tahminini elde etmek için yukarıdaki hesaplamalar bir anlam ifade ediyor mu?
Evet, önerdiğiniz ifade anlamlıdır, ancak önerilen formülünüzde küçük bir değişiklik yapmanız gerekir. Aşağıda, önerilen tekrarlanabilirlik katsayınızı nasıl elde edebileceğinizi gösteriyorum. Umarım bu hem katsayının kavramsal anlamını açıklığa kavuşturur hem de neden onu hafifçe değiştirmenin istenebileceğini gösterir.
Başlamak için, ilk durumda ilk tekrarlanabilirlik katsayısını alalım ve ne anlama geldiğini ve nereden geldiğini açıklayalım. Bunu anlamak, daha karmaşık ikinci durumu anlamamıza yardımcı olacaktır.
Sadece rastgele yakalamalar
Bu durumda, karışık modeli inci yanıt grubu th
burada rastgele kesişir mı varyans ve kalıntıları varyansı .ij
yben j= β0+ u0 j+ eben j,
u0 jσ2u0eben jσ2e
Şimdi, iki rasgele değişkenleri arasındaki korelasyon ve olarak tanımlanır
xy
c o r r = c o v ( x , y)v a r ( x ) v a r ( y)----------√.
ICC / tekrarlanabilirlik katsayısı ifadesi daha sonra iki rastgele değişkenin ve aynı grubundan çizilen iki gözlem olmasını sağlamaktan gelir ,
ve Bunu, yukarıda verilen tanımları ve varyansların / kovaryansların özelliklerini (burada ya da göstermeyeceğim bir işlem, siz veya başkaları benim yapmamı tercih etmezse) kullanarak basitleştirirseniz, ile bitirin.
xyj
benCC= c o v ( β0+ u0 j+ eben1j, β0+ u0 j+ eben2j)v a r ( β0+ u0 j+ eben1j) v a r ( β0+ u0 j+ eben2j)------------------------------√,
benCC= σ2u0σ2u0+ σ2e.
Bunun anlamı, ICC veya "düzeltilmemiş tekrarlanabilirlik katsayısı" nın, bu durumda, aynı kümeden (bu durumda sadece en büyük ortalama olan sabit etkilerden arındırılmış olan) bir çift gözlem arasında beklenen korelasyon olarak basit bir yorumu olduğu. ICC'nin de bu durumda bir
varyans oranı olarak yorumlanabilmesi gerçeği tesadüfidir; Bu yorum genel olarak daha karmaşık ICC'ler için doğru değildir. Bir çeşit korelasyon olarak yorumlanması birincil olandır.
Rasgele kavramalar ve rastgele eğimler
Şimdi, ikinci durumda, "etkilerin güvenilirliği (yani bir değişkenin 2 seviyeli bir kontrast etkisi toplamı)" ile ne ifade edildiğini net bir şekilde açıklamamız gerekiyor.
İlk önce modeli hazırladık. Karışık modeli inci yanıt altında grup th kontrast kodlanmış belirleyici inci düzey isimli
rastgele işaretlerin varyansa sahip olduğu rastgele yamaçların varyansı , rastgele engeller ve eğimler kovaryansı ve kalanlar varyansı var .benjkx
yben j k= β0+ β1xk+ u0 j+ u1 jxk+ eben j k,
σ2u0σ2u1σu01eben jσ2e
Peki bu model altında "bir etkinin tekrarlanabilirliği" nedir? Ben iyi bir aday tanımı aynı dahilinde hesaplanan fark puanlarının iki çift arasında beklenen ilişki olduğunu düşünüyorum küme ama gözlemlerin farklı çiftlerinde .ji
Dolayısıyla, söz konusu fark puanları çifti olacaktır ( kontrast kodlu olduğunu varsaydığımızı unutmayın; böylece ):
ve
x|x1|=|x2|=x
yi1jk2−yi1jk1=(β0−β0)+β1(xk2−xk1)+(u0j−u0j)+u1j(xk2−xk1)+(ei1jk2−ei1jk1)=2xβ1+2xu1j+ei1jk2−ei1jk1
yi2jk2−yi2jk1=2xβ1+2xu1j+ei2jk2−ei2jk1.
Bunları korelasyon formülüne bize
bu basitleştirir
ICC'nin teknik olarak bir işlevi olduğuna dikkat edin ! Bununla birlikte, bu durumda yalnızca 2 olası değeri alabilir ve ICC bu değerlerin her ikisinde de aynıdır.
ICC=cov(2xβ1+2xu1j+ei1jk2−ei1jk1,2xβ1+2xu1j+ei2jk2−ei2jk1)var(2xβ1+2xu1j+ei1jk2−ei1jk1)var(2xβ1+2xu1j+ei2jk2−ei2jk1)−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√,
xxICC=2x2σ2u12x2σ2u1+σ2e.
xx
Gördüğünüz gibi, bu, sorunuzda önerdiğiniz tekrarlanabilirlik katsayısına çok benzer, tek fark, ifade bir ICC veya "düzeltilmemiş tekrarlanabilirlik katsayısı" olarak yorumlanacaksa, rastgele eğim varyansının uygun şekilde ölçeklendirilmesi gerektiğidir. Yazdığınız ifade, belirleyicisinin kodlu olduğu özel durumda çalışır , ancak genel olarak değil.± 1x±12√
(2.) Tekrarlanabilirliği tahmin etmek istediğim birden fazla değişkenim olduğunda, hepsini aynı uygunluğa eklemek (örneğin lmer(dv~(iv1+iv2|unit)+iv1+iv2
), her efekt için ayrı bir model oluşturmaktan daha yüksek tekrarlanabilirlik tahminleri veriyor gibi görünüyor. Birden fazla etkinin dahil edilmesi artık varyansı azaltma eğiliminde olacağından bu benim için hesaplama açısından mantıklı geliyor, ancak sonuçta ortaya çıkan tekrarlanabilirlik tahminlerinin geçerli olduğu konusunda olumlu değilim. Onlar mı?
Kendi rastgele eğimlerine sahip çoklu tahmincilere sahip bir model için yukarıda sunulan benzer bir türev üzerinden çalışmanın, yukarıdaki tekrarlanabilirlik katsayısının yine de kavramsal olarak ilgilendiğimiz fark puanlarının şu anki olacağı ek komplikasyon dışında geçerli olacağını göstereceğine inanıyorum. biraz farklı bir tanımı var: yani, modeldeki diğer tahminciler için kontrol ettikten sonra düzeltilmiş araçlar arasındaki farkların beklenen korelasyonuyla ilgileniyoruz .
Eğer diğer belirleyiciler (örneğin olduğu gibi, bir dengeli denemesi), ben ICC / tekrarlanabilirlik katsayısı herhangi bir değişiklik yapmadan çalışması gerekir yukarıda özenli düşünürdüm ilgi ongorücüye diktir. Eğer ortogonal olmasalardı, bunu hesaba katmak için formülü değiştirmeniz gerekecektir, ki bu karmaşıklaşabilir, ancak umarım cevabım bunun nasıl görünebileceği hakkında bazı ipuçları vermiştir.