나는 예측 모델링과 관련하여 혼합 모델의 장점에 대해 약간 혼란 스럽습니다. 예측 모델은 일반적으로 이전에 알려지지 않은 관측치의 값을 예측하기위한 것이기 때문에 혼합 모델이 유용 할 수있는 유일한 방법은 모집단 수준 예측 (임의의 효과를 추가하지 않음)을 제공하는 기능을 통해서만 가능하다는 것입니다. 그러나 문제는 지금까지 혼합 모형을 기반으로 한 인구 수준 예측이 고정 효과 만있는 표준 회귀 모형을 기반으로 한 예측보다 상당히 나쁘다는 것입니다.
예측 문제와 관련하여 혼합 모델의 요점은 무엇입니까?
편집하다. 문제는 다음과 같습니다. 혼합 모델 (고정 및 랜덤 효과 모두)과 고정 효과 만있는 표준 선형 모델을 적합했습니다. 교차 유효성 검사를 수행하면 다음과 같은 예측 정확도 계층이 나타납니다. 1) 고정 및 랜덤 효과를 사용하여 예측할 때 혼합 모형 (물론 알려진 수준의 임의 효과 변수가있는 관측치에 대해서만 작동하므로이 예측 방식은 그렇지 않습니다. 실제 예측 애플리케이션에 적합해야합니다!); 2) 표준 선형 모델; 3) 모집단 수준 예측을 사용할 때 혼합 모형 (임의의 효과가 튀어 나옴). 따라서 표준 선형 모델과 혼합 모델의 유일한 차이점은 다른 추정 방법으로 인해 계수 값이 약간 다르다는 것입니다 (즉, 두 모델 모두에 동일한 효과 / 예측자가 있지만 연관된 계수는 다릅니다).
그래서 혼동은 질문으로 귀결됩니다. 혼합 모델을 사용하여 모집단 수준 예측을 생성하는 것이 표준 선형 모델과 비교할 때 열등한 전략 인 것처럼 보이기 때문에 혼합 모델을 예측 모델로 사용하는 이유는 무엇입니까?