Estimation des modèles mixtes linéaires

Méthode

Sélectionnez les estimations du maximum de vraisemblance et du maximum de vraisemblance restreint.

Degrés de liberté

Fournit les options permettant de définir les degrés de liberté de tous les tests.

Méthode des résidus: La méthode des résidus indique des degrés de liberté fixes pour tous les tests. Elle s'avère utile si la taille de votre échantillon est suffisamment grande, si les données sont équilibrées ou si le modèle utilise un type de covariance plus simple (par exemple, identité mise à l'échelle ou diagonale).
Approximation de Satterthwaite: La méthode de Satterthwaite comporte un champ indiquant les degrés de liberté des tests. Elle s'avère utile si la taille de votre échantillon est petite, si les données sont déséquilibrées ou si le modèle utilise un type de covariance compliqué (par exemple, non structuré).
Approximation de Kenward-Roger: La méthode de Kenward-Roger offre un estimateur de petit échantillon plus précis pour la variance-covariance des paramètres d'effets fixes et les degrés approximatifs de liberté du dénominateur de t-tests et F-tests. La méthode introduit un facteur d'échelle pour les statistiques F et les estime, ainsi que les degrés de liberté du dénominateur, en utilisant une extension de la série Taylor pour la structure aléatoire estimée dans les données.
Remarque: La méthode de Kenward-Roger est utilisée dans la covariance basée sur le modèle (au lieu de la covariance robuste). Lorsque la méthode de Kenward-Roger et la covariance robuste sont sélectionnées, la méthode de Kenward-Roger est appliquée à la covariance basée sur les modèles et l'avertissement suivant s'affiche : "Puisque la méthode de Kenward-Roger est sélectionnée, la méthode de la covariance robuste devient méthode de covariance basée sur les modèles".

Itérations

Les options suivantes sont disponibles :

Nombre maximum d'itérations: Spécifiez un nombre entier non négatif.
Découpage maximal d'étape en deux: A chaque itération, la taille de l'étape est réduite par un facteur de 0,5 jusqu'à ce que les augmentations de log de vraisemblance ou le nombre maximum de dichotomie soient atteints. Spécifiez un nombre entier positif.
Imprimer l'historique des itérations pour chaque étape: Affiche un tableau contenant la valeur de la fonction de log-vraisemblance et les estimations des paramètres à chaque n itération en commençant par la 0^ème itération (les estimations initiales). Si vous imprimez l'historique des itérations, la dernière itération est toujours imprimée, indépendamment de la valeur de n.

Convergence de log de vraisemblance

La convergence est prise en compte si la modification absolue ou relative de la fonction log de vraisemblance est inférieure à la valeur spécifiée, qui doit être non négative. Le critère n'est pas utilisé si la valeur spécifiée est égale à 0.

Convergence des paramètres

La convergence est prise en compte si la modification absolue ou relative maximum des estimations de paramètres est inférieure à la valeur spécifiée, qui doit être non négative. Le critère n'est pas utilisé si la valeur spécifiée est égale à 0.

Convergence de Hess

Pour la spécification Absolu, la convergence est prise en compte si une statistique basée sur la matrice de Hess est inférieure à la valeur indiquée. Pour la spécification Relatif, la convergence est prise en compte si la statistique est inférieure au produit de la valeur indiquée et de la valeur absolue du log de vraisemblance. Le critère n'est pas utilisé si la valeur spécifiée est égale à 0.

Etapes maxi d'évaluation

Demandes d'utilisation de l'algorithme de coordonnées de Fisher jusqu'au numéro d'itération n. Spécifiez un nombre entier non négatif.

Tolérance de singularité

Cette valeur est utilisée comme valeur de tolérance lors du contrôle des singularités. Indiquez une valeur positive.

Spécification de critères d'estimation pour les modèles mixtes linéaires

Cette fonction requiert Tableaux personnalisés et statistiques avancées.

A partir des menus, sélectionnez :
Analyser > Modèles mixtes > Linéaire ...
Sélectionnez, si vous le souhaitez, les variables répétées et les variables de sujet, puis cliquez sur Poursuivre.
Dans la boîte de dialogue Modèles mixtes linéaires, cliquez sur Estimation.
Sélectionnez les facteurs d'estimation souhaités.