जवाबों:
यह अच्छा प्रश्न है।
यहाँ कुछ सामान्य नुकसान हैं:
मानक संभावना सिद्धांत का उपयोग करते हुए, हम संभावना अनुपात अनुपात परीक्षण आंकड़े की गणना करके दो नेस्टेड परिकल्पनाओं, और एच 1 की तुलना करने के लिए एक परीक्षण प्राप्त कर सकते हैं । इस परीक्षण आँकड़ा का अशक्त वितरण लगभग दो मापदंडों वाले स्थानों के आयामों में अंतर के बराबर स्वतंत्रता की डिग्री के साथ ची-वर्ग है। दुर्भाग्य से, यह परीक्षण केवल अनुमानित है और इसके लिए कई मान्यताओं की आवश्यकता है। एक महत्वपूर्ण धारणा यह है कि शून्य के तहत पैरामीटर पैरामीटर स्थान की सीमा पर नहीं हैं। : चूंकि हम अक्सर यादृच्छिक प्रभाव है कि रूप ले के बारे में परिकल्पना का परीक्षण कर रहे हैं में रुचि रखने वाले एच 0 : σ 2 = 0 यह एक वास्तविक चिंता का विषय है।
निश्चित प्रभावों की तुलना करना: यदि आप दो नेस्टेड मॉडल की तुलना करने के लिए संभावना अनुपात परीक्षण का उपयोग करने की योजना बनाते हैं जो केवल उनके निश्चित प्रभावों में भिन्न हैं, तो आप REML आकलन विधि का उपयोग नहीं कर सकते। कारण यह है कि REML डेटा के रैखिक संयोजनों पर विचार करके यादृच्छिक प्रभावों का अनुमान लगाता है जो निश्चित प्रभावों को हटाते हैं। यदि इन निश्चित प्रभावों को बदल दिया जाता है, तो दो मॉडलों की संभावना सीधे तुलना नहीं होगी।
पी-मान: निश्चित प्रभावों के लिए संभावना अनुपात परीक्षण द्वारा उत्पन्न पी-मान अनुमानित हैं और दुर्भाग्य से बहुत छोटे होते हैं, जिससे कभी-कभी कुछ प्रभावों के महत्व पर काबू पा लिया जाता है। संभावना अनुपात परीक्षण के लिए अधिक सटीक पी-मान खोजने के लिए हम गैर-पैरामीटर बूटस्ट्रैप विधियों का उपयोग कर सकते हैं ।
निश्चित प्रभाव परीक्षण के लिए पी-मान के बारे में अन्य चिंताएं हैं जो डॉ। डौग बेट्स [ यहां ] द्वारा उजागर की गई हैं ।
मुझे यकीन है कि मंच के अन्य सदस्यों के पास बेहतर उत्तर होंगे।
स्रोत: आर - डॉ जुलैन फ़ारवे के साथ रैखिक मॉडल का विस्तार।
आम नुकसान जो मैं देख रहा हूं वह यादृच्छिक प्रभावों के विचलन की अनदेखी है। यदि यह अवशिष्ट विचरण या आश्रित चर के विचरण की तुलना में बड़ा है, तो फिट आमतौर पर अच्छा दिखता है, लेकिन केवल इसलिए कि सभी विचरण के लिए यादृच्छिक प्रभाव खाते हैं। लेकिन जब से वास्तविक बनाम पूर्वानुमानित ग्राफ अच्छा लगता है, तो आप यह सोचने के इच्छुक हैं कि आपका मॉडल अच्छा है।
जब नए मॉडल की भविष्यवाणी करने के लिए इस तरह के मॉडल का उपयोग किया जाता है तो सब कुछ अलग हो जाता है। आमतौर पर तब आप केवल निश्चित प्रभाव का उपयोग कर सकते हैं और फिट बहुत खराब हो सकता है।
विचरण संरचना की मॉडलिंग यकीनन मिश्रित मॉडल की सबसे शक्तिशाली और महत्वपूर्ण एकल विशेषता है। यह प्रेक्षणों में सहसंबंध को शामिल करने के लिए विचरण संरचना से परे फैली हुई है। एक उचित सहसंयोजक संरचना बनाने के लिए देखभाल की जानी चाहिए अन्यथा परिकल्पना, विश्वास अंतराल और उपचार के अनुमानों का परीक्षण मान्य नहीं हो सकता है। सही यादृच्छिक प्रभावों को निर्दिष्ट करने के लिए अक्सर किसी को प्रयोग के ज्ञान की आवश्यकता होती है।
मिश्रित मॉडल के लिए एसएएस मेरे संसाधन पर जाता है, भले ही मैं आर में विश्लेषण करना चाहता हूं।