Я прочитал в реферате этой статьи, что:
«Процедура максимального правдоподобия (ML) в Hartley aud Rao модифицируется путем адаптации преобразования Паттерсона и Томпсона, которое делит нормальность правдоподобия на две части, одна из которых не имеет фиксированных эффектов. Максимизация этой части дает то, что называется ограниченным максимальным правдоподобием (REML) оценки ".
Я также прочитал в реферате этой статьи, что REML:
«учитывает потерю степеней свободы в результате оценки фиксированных эффектов».
К сожалению, у меня нет доступа к полному тексту этих документов (и, вероятно, я бы не понял, если бы я сделал).
Кроме того, каковы преимущества REML против ML? При каких обстоятельствах REML может быть предпочтительнее ML (или наоборот) при подборе модели смешанных эффектов? Пожалуйста, дайте объяснение, подходящее для кого-то со средним образованием (или чуть выше) математическим образованием!