आम तौर पर एक दूसरे के मुकाबले (रैखिक) मिश्रित प्रभाव वाले मॉडल कैसे होते हैं? मुझे पता है कि संभावना अनुपात परीक्षण का उपयोग किया जा सकता है, लेकिन यह काम नहीं करता है अगर एक मॉडल दूसरे सही का 'सबसेट' नहीं है?
क्या मॉडल df का अनुमान हमेशा सीधा होता है? निश्चित प्रभावों की संख्या + विचरण घटकों की संख्या का अनुमान है? क्या हम यादृच्छिक प्रभावों के अनुमानों की अनदेखी करते हैं?
सत्यापन के बारे में क्या? मेरा पहला विचार क्रॉस वेलिडेशन है, लेकिन रैंडम फोल्ड्स डेटा की संरचना को देखते हुए काम नहीं कर सकते हैं। क्या 'किसी एक विषय / समूह को छोड़ना' की पद्धति उपयुक्त है? एक अवलोकन को छोड़ने के बारे में क्या?
Mallows Cp को मॉडल भविष्यवाणी त्रुटि के अनुमान के रूप में व्याख्या किया जा सकता है। एआईसी के माध्यम से मॉडल का चयन भविष्यवाणी की त्रुटि को कम करने का प्रयास करता है (इसलिए सीपीएस और एआईसी को उसी मॉडल को चुनना चाहिए यदि त्रुटियां गॉसियन हैं मेरा मानना है)। क्या इसका मतलब यह है कि भविष्यवाणी त्रुटि के संदर्भ में कुछ गैर-नेस्टेड मॉडल के संग्रह से 'इष्टतम' रैखिक मिश्रित प्रभाव मॉडल लेने के लिए AIC या Cp का उपयोग किया जा सकता है? (बशर्ते वे एक ही डेटा पर फिट हों) क्या BIC में अभी भी उम्मीदवारों के बीच 'सही' मॉडल चुनने की संभावना है?
मैं इस धारणा के भी अधीन हूं कि जब एआईसी या बीआईसी के माध्यम से मिश्रित प्रभाव वाले मॉडल की तुलना करते हैं तो हम केवल गणना में निर्धारित प्रभाव को 'पैरामीटर' के रूप में आंकते हैं, वास्तविक मॉडल डीएफ को नहीं।
क्या इन विषयों पर कोई अच्छा साहित्य है? क्या यह cAIC या mAIC की जाँच के लायक है? क्या उनके पास एआईसी के बाहर विशिष्ट आवेदन है?