Karışık etkiler modelinde rastgele etkilerin varyansı ve korelasyonu nasıl yorumlanır?

Umarım hepiniz bu soruyu umursamazsınız, ancak R'de öğrenmeye çalıştığım doğrusal karışık efektler model çıktısı için çıktı yorumlamada yardıma ihtiyacım var. Boyuna veri analizi ve doğrusal karışık etkiler regresyonunda yeniyim. Zaman öngörücüsü olarak haftalarla donattığım bir modelim var ve sonuç olarak da bir iş bulma kursum var. Haftaları (zamanları) ve çeşitli sabit etkileri, cinsiyetleri ve ırkları ile puanları modelledim. Benim modelim rastgele etkiler içeriyor. Varyans ve korelasyonun ne anlama geldiğini anlamak için yardıma ihtiyacım var. Çıktı aşağıdaki gibidir:

Random effects  
Group   Name    Variance  
EmpId intercept 680.236  
weeks           13.562  
Residual 774.256  

Korelasyon 0,231'dir.

Haftalar ve puanlar arasında pozitif bir ilişki olduğu için korelasyonu yorumlayabilirim ancak bunu “% 23'ün% 23” şeklinde söyleyebilmek istiyorum.

Yardımın için minnettarım.

Cevap için "misafir" ve Makro. Üzgünüm, cevap vermediğim için bir konferanstaydım ve şimdi anlıyorum. İşte çıktı ve içerik.

İşte koştuğum LMER modelinin özeti.

>summary(LMER.EduA)  
Linear mixed model fit by maximum likelihood  
Formula: Score ~ Weeks + (1 + Weeks | EmpID)   
   Data: emp.LMER4 

  AIC     BIC   logLik   deviance   REMLdev   
 1815     1834  -732.6     1693    1685

Random effects:    
 Groups   Name       Variance Std.Dev. Corr  
 EmpID   (Intercept)  680.236  26.08133        
          Weeks         13.562 3.682662  0.231   
 Residual             774.256  27.82546        
Number of obs: 174, groups: EmpID, 18


Fixed effects:    
            Estimate Std. Error  t value  
(Intercept)  261.171      6.23     37.25    
Weeks          11.151      1.780    6.93

Correlation of Fixed Effects:  
     (Intr)  
Days -0.101

Rastgele etkiler için varyans ve rezidüleri nasıl yorumlayacağımı ve bir başkasına nasıl açıklayacağımı anlamıyorum. Ayrıca, korelasyonun nasıl yorumlanacağını da bilmiyorum, pozitif olanların dışında, daha yüksek engellere sahip olanların daha yüksek eğimlere sahip olduğunu ve düşük engellemeli olanların daha düşük eğimlere sahip olduğunu gösterir, ancak korelasyonu nasıl açıklayacağımı bilmiyorum % 23’ü . . . (Cümleyi nasıl bitireceğimi bilmiyorum ya da bunu yapmak mantıklı olsa bile). Bu bizim için farklı bir analizdir çünkü biz (ben) boylamsal analizlere geçmeye çalışıyoruz.

Umarım bu yardımcı olur.

Şimdiye kadar yardımlarınız için teşekkürler.

Zeda

Takılı modeliniz lme()olarak ifade edilebilir.

$y_{ij} = \alpha_0 + \alpha_1 x_j + \delta_{0i} + \delta_{1i} x_j + \epsilon_{ij}$

burada skoru olan th çalışan hafta ve , sabit kesişme ve eğim sırasıyla ve rastgele kesişme ve eğim, ve artık. Rastgele etkilerin varsayımlar , ve kalıntı olan$y_{ij}$$i$$x_j$$\alpha_0$$\alpha_1$$\delta_{0i}$$\delta_{1i}$$\epsilon_{ij}$$\delta_{0i}$$\delta_{1i}$$\epsilon_{ij}$

$(\delta_{0i}, \delta_{1i})^T \stackrel{d}{\sim} N((0, 0)^T, G)$ ve ,$\epsilon_{ij} \stackrel{d}{\sim} N(0, \sigma^2)$

varyans-kovaryans yapısı , 2 x 2'lik bir simetrik form matrisidir$G$

Rastgele efekt terimleri arasındaki varyans matrisini alabilirsiniz VarCorr(LMER.EduA)$ID.

Sonucun temelde şunu söylüyor:

$\alpha_0$ = 261.171, = 11.151$\alpha_1$

$g_1^2$ = 680.236, = 13.562 ve = 774.256.$g_2^2$$\sigma^2$

$g_{12}^2$ , olarak bulunabilir VarCorr(LMER.EduA)veya hesaplanabilir .$0.23\times \sqrt{g_1^2 g_2^2}$

Özel olarak, = 680.236, çalışanlar arasındaki müdahalenin değişkenliğini gösterir, = 13.562, çalışanlar arasındaki eğimdeki değişkenlik miktarını gösterir ve 0.231, çalışanlar arasındaki müdahalenin bir birim tarafından arttığında, etkileşim ve eğim arasındaki pozitif korelasyonu gösterir. standart sapma, bu çalışanın eğimi 0.231 standart sapma artacaktır).$g_1^2$$g_2^2$