Sabit / rastgele efekt modellerinin arkasındaki kavramlar


14
  1. Birisi sabit / rastgele efekt modellerini anlamama yardımcı olabilir mi? Bu kavramları sindirdiyseniz ya da beni herhangi bir karışıklık olmadan öğrenebilmem için belirli bir adresle (sayfa numarası, bölüm vb.) Kaynağa (kitap, notlar, web sitesi) yönlendirirseniz kendi yolunuzla açıklayabilirsiniz.
  2. Bu doğru mu? "Genel olarak sabit etkilerimiz var ve rastgele etkiler özel durumlar" mı? Açıklamanın genel modellerden sabit ve rastgele etkileri olan belirli modellere gittiği durumlarda yardım almak için özellikle minnettar olurum


Karışık model etiketindeki kitap referanslarına bakın . 1 numara, okuduğum tüm çok seviyeli modelleme kitapları için (bazı) giriş bölümünde ele alınmıştır.
Andy W

Yanıtlar:


13

Bu, istatistik literatürüne (kitaplar, öğretmenler, vb.) Geçerken öğrencileri rahatsız eden ekonometride bir isimlendirme sorununa değdiği için harika bir soru gibi görünüyor. Size http://www.amazon.com/Econometric-Analysis-Cross-Section-Panel/dp/0262232197 bölüm 10'u öneririm .

yitxituityituit=eit+vivixvi

Böylece model şöyle olur:

yit=jθjxj+eit+vi

vixsvixs

Ekonometride eski kitaplar FE'ye bireysel sabitleri olan bir modele gönderme eğilimindedir, maalesef bu günümüz literatüründe hala mevcut (sanırım istatistiklerde bu kafa karışıklığı olmadı. Kesinlikle yanlış anlama sorununu geliştiren Wooldridge derslerini öneriyorum )


(1) Mükemmel Kaynak ve (2) güzel bir açıklama
Stat-R

1
Bu, bu fikirleri izlemeye alışkın olduğumdan farklı bir yol, ama gerçekten iyi yapılmış. +1
gung - Monica'yı eski durumuna döndürün

15

Bir modeldeki rastgele etki için en iyi örneğim klinik araştırma çalışmalarından geliyor. Klinik araştırmada, çeşitli hastanelerden (site adı verilen) hastaları kaydediyoruz. Siteler çok sayıda potansiyel site arasından seçilir. Tedaviye yanıtı etkileyen bölgeyle ilgili faktörler olabilir. Dolayısıyla, doğrusal bir modelde genellikle siteyi ana etki olarak dahil etmek istersiniz.

Ancak, sitenin sabit bir etki olarak bulunması uygun mudur? Genellikle bunu yapmayız. Deneme için seçtiğimiz siteleri sıklıkla seçebileceğimiz potansiyel sitelerden rastgele bir örnek olarak düşünebiliriz. Bu tam olarak doğru olmayabilir, ancak alan etkisinin sabit olduğunu varsaymaktan daha makul bir varsayım olabilir. Bu nedenle siteye rastgele bir etki olarak davranmak, N sitelerini içeren bir popülasyondan bir dizi k sahasının seçilmesinden kaynaklanan site etkisindeki değişkenliği dahil etmemizi sağlar.

Genel fikir, grubun sabit olmadığı, ancak daha büyük bir nüfustan seçildiği ve grup için diğer seçimlerin mümkün olduğu ve farklı sonuçlara yol açacağı yönündedir. Bu yüzden rastgele bir etki olarak ele almak, sabit bir efektten elde edemeyeceğiniz modele bu tür değişkenliği dahil eder.


@ocram referansı oldukça ilginç. FE tanımlarıyla ilgili heterojenliğe dikkat çeker. Fakat Stat-R hangi tanıma atıfta bulunuyor? İkinci soruları, FE'nin ilişkili rasgele bileşenle RE olarak kabul edildiğini göstermektedir. Bu tanım altında ve örneğin içinde bir FE, bir tedavinin gözlemlenmemiş (veya eksik) bir saha etkisi ile ilişkilendirilebileceği anlamına gelir, değil mi?
JDav

2
Güzel - son paragrafınız bunu koymanın çok kısa bir yoludur. +1
Luke

1
@MichaelChernick: güzel örnek. Bu nedenle hastane bölgesine sabit bir etki olarak değil rastgele bir muamele yapılması gerektiğini savunuyorsunuz. Ancak bu iki seçenek arasındaki sonuçtaki gerçek fark ne olurdu? Sabit olarak ele alırsak, her hastane için bir regresyon katsayısı alırız ve örneğin hastanenin ana etkisinin önemli olup olmadığını test edebiliriz. Eğer tedavi rastgele olursa, her hastane için bir regresyon katsayısı alamayacağız (doğru?); hala hastanenin ana etkisini test edebilir miyiz? Daha da önemlisi, modeldeki diğer ana etkilerin / etkileşimlerin gücünü artırabilir / azaltabilir mi?
amoeba, Reinstate Monica'yı

12
  1. Bir kitaptan emin değilim ama işte bir örnek. Uzun bir süre boyunca büyük bir bebek kohortundan doğum ağırlıklarından bir örneğimiz olduğunu varsayalım. Aynı kadınlardan doğan bebeklerin ağırlıkları, farklı annelerden doğan bebeklerin ağırlıklarından daha fazla benzer olacaktır. Erkekler de kızlardan daha ağırdır.

Dolayısıyla, aynı anneden doğan bebekler arasındaki ağırlıklardaki korelasyonu göz ardı eden sabit bir etki modeli:

Model 1. ortalama doğum ağırlığı = kesişme + cinsiyet

Bu korelasyon için bir başka sabit etki modeli ayarlaması:

Model 2. ortalama doğum ağırlığı = kesişme + cinsiyet + mother_id

Bununla birlikte, öncelikle her bir anne için etkileriyle ilgilenmeyebiliriz. Ayrıca, annenin tüm annelerden popülasyondan rastgele bir anne olduğunu düşünüyoruz. Bu nedenle, seks için sabit bir etkiye ve anne için rastgele bir etkiye (yani rastgele bir engelleme) sahip karışık bir model inşa ediyoruz:

Model 3: ortalama doğum ağırlığı = kesişme + cinsiyet + u

Bu u, Model 2'deki gibi her anne için farklı olacaktır, ancak aslında tahmin edilmemektedir. Aksine, sadece varyansı tahmin edilmektedir. Bu varyans tahmini bize anne tarafından ağırlıkların kümelenme seviyesi hakkında bir fikir vermektedir.

Umarım mantıklıdır.

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.