Вывод о фиксированных эффектах в модели смешанных эффектов

Я сопоставил данные и использую модель смешанных эффектов логистической регрессии для оценки индивидуального уровня (условного) эффекта для предиктора интереса. Я знаю, что для стандартных маржинальных моделей логический вывод параметров модели с использованием теста Вальда согласуется с критериями отношения правдоподобия и оценки. Они обычно примерно одинаковы. Поскольку Вальд легко вычисляется и доступен в R-выводе, я использую это 99% времени.

Тем не менее, с моделью смешанных эффектов, я был заинтригован, увидев огромную разницу между тестом Вальда для фиксированных эффектов, о котором они сообщаются в выходных данных модели в R, и тестом отношения правдоподобия «вручную», который включает на самом деле подходит уменьшенная модель. Интуитивно понятно, почему это может иметь огромное значение, потому что в уменьшенной модели дисперсия случайного эффекта переоценивается и может существенно повлиять на вероятность.

Может кто-нибудь объяснить

1. Как вычисляется статистика теста Вальда в R для фиксированных эффектов?
2. Какова информационная матрица для оценочных параметров модели в модели смешанных эффектов? (и тот же самый mx, из которого вычисляется статистика теста Вальда?)
3. Каковы различия в интерпретации результатов двух тестов в описанных мной случаях? Какие из них обычно мотивированы и используются в литературе для вывода?

Традиционная статистика Вальда для проверки гипотезы H0 Lt = l для заданных L, rxp и l, rx 1 задается как W = (Lt - l) '[L (X'H-1 X) -1 L'] -1 (Lt - l) и асимптотически эта статистика имеет распределение хи-квадрат по r степеням свободы. Это маргинальные тесты, так что в фиксированной части модели есть корректировка для всех других терминов. R с открытым исходным кодом

1. У вас есть источник?
2. Какая у вас модель? Смешанные эффекты - довольно широкая категория, поскольку она находит отражение в информационной матрице Фишера.
3. Вы имеете в виду соотношение правдоподобия и балльной оценки?