मैं मिश्रित मॉडल की नाइटी-किरकिरा को बेहतर ढंग से समझने के लिए आर के lme4 पैकेज पर डौग बेट्स के थ्योरी पेपर को पढ़ रहा हूं , और एक पेचीदा परिणाम के बारे में आया हूं जिसे मैं बेहतर समझना चाहता हूं, वेरिएंट का अनुमान लगाने के लिए प्रतिबंधित अधिकतम संभावना (REML) का उपयोग करने के बारे में ।
REML कसौटी पर खंड 3.3 में, वह कहता है कि विचरण के अनुमान में REML का उपयोग एक फिट रैखिक मॉडल में अवशिष्ट विचलन से विचरण का आकलन करते समय स्वतंत्रता सुधार की एक डिग्री के उपयोग से निकटता से संबंधित है। विशेष रूप से, "हालांकि आमतौर पर इस तरह से व्युत्पन्न नहीं किया जाता है", स्वतंत्रता सुधार की डिग्री "REML मानदंड" (Eq। (28)) के अनुकूलन के माध्यम से विचरण का अनुमान लगाकर प्राप्त की जा सकती है। REML मानदंड अनिवार्य रूप से सिर्फ संभावना है, लेकिन रैखिक फिट मापदंडों को हाशिए पर डालकर (उन्हें फिट अनुमान के बराबर स्थापित करने के बजाय समाप्त कर दिया गया है, जो पक्षपाती नमूना प्रसरण देगा)।
मैंने गणित किया और केवल निश्चित प्रभावों के साथ एक सरल रैखिक मॉडल के लिए दावा किए गए परिणाम का सत्यापन किया । मैं जो संघर्ष कर रहा हूं वह व्याख्या है। क्या ऐसा कोई परिप्रेक्ष्य है, जिसमें इस तरह के बदलाव का अनुमान लगाना स्वाभाविक है, जहां फिट मापदंडों को हाशिए पर डाल दिया गया है? यह बेज़ियन की तरह महसूस करता है, जैसे कि मैं इसके पीछे के रूप में होने की संभावना के बारे में सोच रहा हूं और फिट मापदंडों को हाशिए पर रख रहा हूं, क्योंकि वे यादृच्छिक चर हैं।
या औचित्य मुख्य रूप से सिर्फ गणितीय है - यह रैखिक मामले में काम करता है लेकिन सामान्य भी है?