Adakah yang bisa menjelaskan perbedaan antara model campuran dan analisis regresi linier? (Saya memiliki pengetahuan statistik yang sangat terbatas.)
Model efek campuran memiliki efek acak dan tetap sedangkan model regresi linier standar hanya memiliki efek tetap.
Pertimbangkan kasus di mana Anda memiliki data tentang beberapa anak di mana Anda memiliki usia dan tinggi badan pada titik waktu yang berbeda dan Anda ingin menggunakan usia untuk memprediksi ketinggian. Jika Anda mau berasumsi bahwa semua anak memiliki kemiringan yang sama dan mencegat usia yang berkaitan dengan tinggi maka Anda dapat memasukkan model linier biasa dengan usia sebagai prediktor dan tinggi sebagai respons. Anda juga bisa menyesuaikan model efek tetap termasuk istilah id untuk setiap anak yang secara efektif akan cocok dengan intersep yang terpisah (atau kemiringan dan intersep jika Anda menyertakan interaksi) untuk setiap anak.
Model efek campuran akan memungkinkan Anda menyesuaikan intersep dan lereng rata-rata sebagai efek tetap, tetapi kemudian Anda juga dapat menyertakan intersep acak (dan kemiringan acak jika diinginkan) yang memodelkan kemungkinan perbedaan antara anak-anak dengan cara yang berbeda dari yang sepenuhnya diperbaiki. model efek. Untuk sepenuhnya menghargai keuntungan yang dibutuhkan lebih dari apa yang dapat dimasukkan dalam jawaban di sini, Anda benar-benar harus membaca topik pada buku teks atau mengambil kelas yang membahas tentang model efek campuran.
Menurut pendapat saya, model Linear dan model efek campuran linier di R: Tutorial dalam dua bagian oleh Bodo Winter adalah titik awal yang baik untuk seseorang tanpa latar belakang yang kuat dalam statistik.
sumber