lmerTest
Пакет предоставляет anova()
функцию для линейных смешанных моделей с необязательно приближением Саттервейта ( по умолчанию) или Кенворд-Роже степеней свободы (DF). В чем разница между этими двумя подходами? Когда выбрать какой?
lmerTest
Пакет предоставляет anova()
функцию для линейных смешанных моделей с необязательно приближением Саттервейта ( по умолчанию) или Кенворд-Роже степеней свободы (DF). В чем разница между этими двумя подходами? Когда выбрать какой?
Ответы:
Мне также интересно выяснить, в чем может быть разница. Лучшее, что я могу вам предложить, на данный момент, это то, что этот пост в блоге предполагает, что приближение Кенварда-Роджера немного, но, вероятно, незначительно, более консервативно, чем приближение Саттерсвэйта. Автор также отмечает, что они оба более консервативны, чем нормальное приближение, но, опять же, ненамного, если размер выборки достаточно высок. Я не уверен, было ли это обобщающим выводом автора или нет.
Редактировать: я добавлю, что статья «Сравнение методов приближения степеней свободы знаменателя в несбалансированной двухсторонней факториальной смешанной модели» К.Б. Грегори, кажется, указывает на то, что ни один из методов, как правило, не является лучшим методом, хотя, по-видимому, бывают случаи, когда Приближение Кенварда-Роджера теряет некоторый уровень консервативности.
Другое различие между этими двумя методами описано в Luke (2017):
Оба подхода Кенварда-Роджера (Kenward & Roger, 1997) и Satterthwaite (1941) используются для оценки знаменателей степеней свободы для F-статистики или степеней свободы для t-статистики. SAS PROC MIXED использует приближение Satterthwaite (SAS Institute, 2008). В то время как приближение Satterthwaite может применяться к моделям ML или REML, приближение Кенварда-Роджера применяется только к моделям REML.
(мой жирный)