이러한 가능성 비율을 올바르게 계산 했습니까?

저는 R 에 대한 ez 패키지 의 저자 이며 분산 분석 결과에 가능성 비율 (LR)의 자동 계산을 포함하도록 업데이트를 진행하고 있습니다. 아이디어는 분산 분석이 달성하는 효과의 테스트와 유사한 각 효과에 대해 LR을 제공하는 것입니다. 예를 들어, 주 효과에 대한 LR은 null 모델과 주 효과를 포함하는 모델의 비교를 나타내고, 상호 작용에 대한 LR은 구성 요소 주 효과와 주 효과 와 그들의 상호 작용 등

이제 LR 계산에 대한 이해 는 기본 계산 및 복잡성 수정을 다루는 글로버 앤 딕슨 ( Glover & Dixon) ( PDF ) 과 반복 측정 변수와 관련된 계산을 다루는 Bortolussi & Dixon ( 부록 PDF ) 의 부록에서 비롯 됩니다. 내 이해를 테스트하기 위해이 스프레드 시트를 개발했습니다. 이 스프레드 시트 는 예제 ANOVA (가짜 데이터를 사용하여 2 * 2 * 3 * 4 디자인에서 생성 됨)의 dfs 및 SS를 가져 와서 각 효과에 대한 LR 계산 단계를 수행합니다.

그러한 계산에 대해 조금 더 자신감이있는 사람이 살펴보고 모든 것을 올바르게했는지 확인하면 정말 감사하겠습니다. 추상 코드를 선호하는 사람들을 위해 다음은 ezANOVA ()에 대한 업데이트를 구현하는 R 코드입니다 (예 : 15-95 행 참조).

SS 값에서 LR을 계산하는 데 대한 추론은 상당히 공평하지만 최소 제곱 법은 동등하지만 우도 추정과 동일하지 않습니다. (차이는 예를 들어 최소 제곱 법에서 (n-1)로 나눠지고 최대 우도에서 n으로 나눠지는 se의 계산에서 설명 될 수 있습니다. 따라서 최대 우도 추정치는 일관되지만 약간 편향됩니다. ).

이것은 몇 가지 의미를 갖습니다. 가능성은 비례하므로 LR을 계산할 수 있지만 anova 모델 자체의 가능성은 제공하지 않습니다. 비율에 대해 알려줍니다. AIC는 일반적으로 가능성 측면에서 정의되었으므로 원하는대로 AIC를 사용할 수 있는지 잘 모르겠습니다.$\frac{1}{s}$

스프레드 시트를 살펴 봤지만 "정확하지 않은 LR 내의"값 (정확히 계산하려는 내용을 완전히 따르지 않음)은 나에게 거의 보이지 않습니다.

참고로, LR 테스트의 힘은 원하는 모델을 대조 할 수 있다는 것입니다. 모든 모델에 대해 그렇게하지 않아도됩니다 (멀티 테스팅 오류 감소). 모든 용어에 대해이 작업을 수행하면 LR은 F 테스트와 완전히 동일하며 최소 제곱의 경우 숫자에 대해 동일하게 알고 있습니다.

마일리지는 다를 수 있지만 두 가지 프레임 워크 (즉, 최소 제곱 대 최대 가능성)의 개념을 혼합 한 적이 있다고 확신하지 못했습니다. 개인적으로, 나는 F 통계를보고하고 모델을 비교할 수있는 함수 (예 : 정확히 그렇게하는 lme 모델의 anova 함수)에서 LR을 구현했습니다.

내 2 센트

추신 : 나는 당신의 코드를 보았지만 실제로 모든 변수를 알아낼 수는 없었습니다. 주석을 사용하여 코드에 주석을 달면 인생이 다시 더 쉬워 질 것입니다. EXCEL 시트도 파악하기가 가장 쉽지 않습니다. 나중에 무언가를 만들 수 있는지 다시 확인하겠습니다.