जब आप किसी प्रतिगमन में किसी भी चर को शामिल करते हैं, तो इसके गुणांक का अनुमान मॉडल में अन्य सभी चर रखने से होता है। यदि चर को किसी अन्य चर के साथ सहसंबद्ध किया जाता है जो आपके मॉडल में शामिल नहीं है, तो उसके गुणांक का अनुमान उस अपरिवर्तित चर को धारण करने से नहीं लगाया जा सकता है। यह लोप किए गए चर पूर्वाग्रह की ओर जाता है।
निर्धारित प्रभाव दृष्टिकोण व्यक्तियों या हितों के समूहों का प्रतिनिधित्व करने वाले मॉडल में चर जोड़ता है। नतीजतन, मॉडल में अन्य गुणांक की गणना व्यक्तिगत या समूह को निर्धारित करके की जा सकती है। इसे (व्यक्तिगत या समूह) अनुमानक के रूप में जाना जाता है।
यादृच्छिक प्रभाव दृष्टिकोण व्यक्तियों या समूहों का प्रतिनिधित्व करने वाले मॉडल में चर नहीं जोड़ता है। इसके बजाय, यह त्रुटि शर्तों के सहसंबंध संरचना को मॉडल करता है। अनिवार्य रूप से, यादृच्छिक प्रभाव को प्रतिगमन रेखा में एक अस्थिर समानांतर पारी के रूप में देखा जाता है और यही बदलाव किसी विशेष व्यक्ति या समूह के लिए सभी टिप्पणियों पर लागू होता है। यह इन सभी को व्यक्तिगत या समूह टिप्पणियों के भीतर सहसंबद्ध बनाता है। यादृच्छिक प्रभाव इस सहसंबंध का मॉडल बनाते हैं।
यादृच्छिक प्रभाव मॉडल मूल रूप से निश्चित प्रभाव को छोड़ देता है और त्रुटि संरचना को मॉडलिंग करके चूक को समाप्त करता है। यह तब तक ठीक है, जब तक कि निर्धारित फ़िक्स्ड प्रभाव किसी भी शामिल चर के साथ संबद्ध नहीं है। जैसा कि ऊपर चर्चा की गई है, इस तरह के छोड़े गए चर पक्षपाती गुणांक अनुमानों को जन्म देते हैं।
तय प्रभावों को बाहर करने का लाभ, जैसा कि यादृच्छिक प्रभाव प्रक्रिया करती है, यह है कि वैरिएबल जो किसी व्यक्ति या समूह की टिप्पणियों के भीतर भिन्न नहीं होते हैं, उन्हें मल्टीकोलिनरिटी के कारण निश्चित प्रभावों के साथ शामिल नहीं किया जा सकता है; इस तरह के चर के लिए गुणांक का अनुमान लगाने के लिए यादृच्छिक प्रभाव एकमात्र तरीका है।
