線型混合モデルの推定

方法
「最尤推定値」または「制限最尤推定値」を選択します。
自由度
すべての検定の自由度を定義するためのオプションを提供します。
残差方法
残差方法では、すべての検定の固定自由度を使用します。 これは、標本サイズが十分に大きい場合、データが均衡している場合、またはモデルが単純な共分散タイプ (スケーリングされた単位または対角など) を使用する場合に役立ちます。
Satterthwaite 近似値
Satterthwaite 法では、検定全体でのフィールド自由度を使用します。 これは、標本サイズが小さい場合、データが均衡していない場合、またはモデルが複雑な共分散タイプ (無構造など) を使用する場合に役立ちます。
Kenward-Roger 近似値
Kenward-Roger 法は、固定効果パラメーターの分散共分散のより精度の高い小標本推定量、および t 検定と F 検定での分母の近似自由度を提供します。 この方法は、F 統計量のスケール係数を導入します。データ内の推定されるランダム構造の Taylor 級数展開を使用して、F 統計量および自由度の分母を推定します。
注: Kenward-Roger 法は (頑健共分散の代わりに) モデル・ベースの共分散で使用されます。 Kenward-Roger 法と頑健共分散が両方とも選択されている場合は、Kenward-Roger 法がモデル・ベースの共分散に適用され、以下の警告が表示されます。「Kenward-Roger 法が選択されたため、頑健共分散法がモデル ベースの共分散法に変更されます」。
反復回数
The following options are available:
最大反復回数
負でない整数を指定してください。
最大段階 2 分
対数尤度が増加するか、最大段階 2 分に達するまで、反復ごとにステップ・サイズが 0.5 倍に縮小されます。 正の整数を指定します。
反復の記述 n 段階数
0 反復 (初期見積もり) で始まる n 回の反復で、対数尤度関数の値およびパラメーター推定値を含む表を表示します。 反復の記述の出力を選択した場合、n の値にかかわらず、最後の反復は常に出力されます。
対数尤度収束
対数尤度関数の絶対変化または相対変化が、指定した値 (負以外でなければなりません) より小さい場合に収束とみなされます。 指定された値が 0 の場合、この基準は使用されません。
パラメータ収束
パラメーター推定値の最大絶対変化または最大相対変化が、指定した値 (負以外でなければなりません) より小さい場合に収束とみなされます。 指定された値が 0 の場合、この基準は使用されません。
Hessian 収束
「絶対」を指定した場合は、Hessian に基づく統計量が、指定した値よりも小さい場合に収束とみなされます。 「相対値」を指定した場合は、指定した値と対数尤度の絶対値の積よりも統計が小さい場合に収束とみなされます。 指定された値が 0 の場合、この基準は使用されません。
最大スコア ステップ数
フィッシャー得点アルゴリズムをn回繰り返して使用することを要求します。 負でない整数を指定してください。
特異性許容度
この値は、特異性の検査時に許容度として使用されます。 正の値を指定してください。

線型混合モデルにおける推定基準の指定

この機能を使用するには、 Custom Tables and Advanced Statisticsが必要です。

  1. メニューから次の項目を選択します。

    分析 > 混合モデル > 線型 ...

  2. オプションで、被験者と反復変数を選択し、「続行」をクリックします。
  3. 「線型混合モデル」ダイアログ・ボックスで、「推定」をクリックします。
  4. 必要な推定基準を選択します。