내가 틀렸다면 바로 수정하십시오.
개념적으로 고정 인터셉트, 고정 계수, 랜덤 인터셉트, 랜덤 계수의 네 가지 가능한 효과가 있습니다. 대부분의 회귀 모형은 '무작위 효과'이므로 임의 절편과 임의 계수가 있습니다. '랜덤 효과'라는 용어는 '고정 효과'와 대조적으로 사용되었습니다.
'고정 효과'는 변수가 일부 샘플에 영향을 주지만 전부는 아닙니다. 고정 효과 모델 (개념적으로)의 가장 간단한 버전은 이진 값을 가진 고정 효과에 대한 더미 변수입니다. 이 모델에는 단일 랜덤 절편, 고정 효과 계수 및 랜덤 변수 계수가 있습니다.
개념 상 다음 단계의 합병증은 고정 효과가 이진수가 아니라 공칭이며 많은 값을 갖는 경우입니다. 이 경우 생성되는 것은 많은 절편이있는 모델입니다 (공칭 값마다 하나씩). 여기서 고정 효과 변수의 각 '옵션'이 자체 효과를 얻는 패널 데이터 모델 의 클래식 '여러 라인'을 얻을 수 있습니다. (고정 효과의 각 요인을 자체 회귀 분석으로 수행하는 대신) 모든 다른 요인 별 데이터 계열을 단일 회귀 분석으로 변환하는 것의 장점은 하나의 방정식에 모든 다른 효과의 분산을 모으는 것입니다. 모든 계수에 대해 더 나은 (더 확실한) 값을 얻으십시오.
'고정 효과'가 그 자체가 무작위 변수 인 경우, 그 효과가 '고정'되어 샘플의 하위 세트에만 영향을주는 것을 제외하고는 '계층 3'은 복잡성입니다. 이 시점에서 모델은 랜덤 인터셉트, 다중 고정 인터셉트 및 다중 랜덤 변수를 갖습니다. 이것이 '혼합 효과'모델이라고 알려진 것입니까?
'고정 효과'는 한 하위 집합의 데이터를 다른 하위 집합에 중첩시키는 데 사용될 수 있으므로 '혼합 효과'모델은 MLM (Multi-Level Modeling)에 사용됩니다. 이 그룹은 여러 계층으로 구성 될 수 있으며, 학생들은 교실 내에 중첩되어 있고 학교 내에 중첩되어 있습니다. 학교는 교실과 학생들의 교실에 고정 된 영향을 미칩니다. (학교는 실험 설계에 따라 학생에게 고정 된 영향을 줄 수도 있고 그렇지 않을 수도 있습니다.)
패널 데이터 모델은 '혼합 효과'모델이지만 그룹화에는 일반적으로 시간과 일부 범주의 두 가지 차원을 사용합니다.