(Doğrusal) karışık etki modelleri normal olarak birbirleriyle nasıl karşılaştırılır? Olasılık oranı testlerinin kullanılabileceğini biliyorum, ancak bir model diğerinin 'altkümesi' değilse, bu işe yaramaz mı?
Modellerin tahmini df her zaman basit midir? Sabit etki sayısı + varyans bileşenlerinin sayısı tahmin edildi mi? Rastgele etki tahminlerini görmezden mi geliyoruz?
Peki ya doğrulama? İlk düşüncem çapraz doğrulama, ancak verilerin yapısı göz önüne alındığında rastgele katlamalar işe yaramayabilir. 'Bir konuyu / kümeyi dışarıda bırakma' metodolojisi uygun mu? Bir gözlemi bırakmaya ne dersin?
Mallows Cp, modeller tahmin hatasının bir tahmini olarak yorumlanabilir. AIC üzerinden model seçimi, tahmin hatasını minimize etmeye çalışır (Bu nedenle, hatalar Gaussiyse Cp ve AIC aynı modeli seçmelidir). Bu, AIC veya Cp'nin, iç içe geçmemiş bazı modellerden oluşan tahminden tahmin hatası olarak 'optimal' doğrusal karışık etki modelini seçmek için kullanılabileceği anlamına mı geliyor? (aynı verilere uymaları şartıyla) BIC'in adaylar arasında 'gerçek' modeli seçmesi hala daha olası mı?
Ayrıca, karma efekt modellerini AIC veya BIC üzerinden karşılaştırırken, sabit etkileri sadece hesaplamada 'parametreler' olarak saydığımızı, gerçek modellerin df yerine geçtiğini de ima ediyorum.
Bu konularda iyi bir literatür var mı? CAIC veya mAIC'i incelemeye değer mi? AIC dışında özel uygulamaları var mı?