나는 R의 lme4 패키지에 대한 Doug Bates의 이론 논문 을 읽고 혼합 모델의 핵심을 더 잘 이해하고 있으며 제한된 최대 우도 (REML)를 사용하여 분산을 추정하는 것에 대해 더 잘 이해하고 싶은 흥미로운 결과를 발견했습니다. .
REML 기준의 3.3 절에서 분산 추정에 REML을 사용하는 것은 적합 선형 모형의 잔차 편차로부터 분산을 추정 할 때 자유도 보정의 사용과 밀접한 관련이 있다고 언급합니다. 특히, "일반적으로 이러한 방식으로 도출되지는 않지만"자유도 보정은 "REML 기준"(식 (28))의 최적화를 통해 분산을 추정하여 도출 할 수 있습니다. REML 기준은 본질적으로 가능성 일 뿐이지 만 선형 적합 모수는 적합 추정치와 동일하게 설정하는 대신 편향된 표본 분산을 제공하는 대신 주 변화를 통해 제거되었습니다.
나는 수학을하고 고정 효과 만있는 간단한 선형 모델에 대해 주장 된 결과 를 확인했습니다 . 내가 어려움을 겪고있는 것은 해석입니다. 적합 모수가 소외 될 가능성을 최적화하여 분산 추정치를 도출하는 것이 자연스러운 관점이 있습니까? 마치 후자의 가능성을 생각하고 마치 임의의 변수 인 것처럼 적합 매개 변수를 소거하는 것처럼 일종의 베이지안을 느낍니다.
아니면 정당화는 주로 수학적인가? 선형적인 경우에는 작동하지만 일반화 할 수 있습니까?