혼합 효과 모델에서 고정 효과에 대한 추론

데이터를 서로 연관 시켰으며 로지스틱 회귀 혼합 효과 모델을 사용하여 관심있는 예측 변수에 대한 개별 수준 (조건부) 효과를 추정합니다. 표준 한계 모델의 경우 Wald 검정을 사용한 모형 모수에 대한 추론이 우도 비율 및 점수 검정과 일치한다는 것을 알고 있습니다. 그들은 일반적으로 거의 동일합니다. Wald는 계산하기 쉽고 R 출력으로 제공되므로 99 %의 시간을 사용합니다.

그러나 혼합 효과 모델을 사용하면 R의 모델 출력에보고 된 고정 효과에 대한 Wald 검정과 "손으로"우도 비율 검정에 큰 차이가 있음을 알게되었습니다. 실제로 축소 된 모델에 적합합니다. 직관적으로, 왜 축소 된 모델에서 랜덤 효과의 분산이 재 추정되고 가능성에 실질적으로 영향을 줄 수 있기 때문에 이것이 왜 큰 차이를 만들 수 있는지 알 수 있습니다.

누군가 설명 할 수 있습니까

1. 고정 효과에 대해 Wald 테스트 통계는 R로 어떻게 계산됩니까?
2. 혼합 효과 모델에서 추정 된 모형 모수에 대한 정보 매트릭스는 무엇입니까? (그리고 Wald 테스트 통계가 계산되는 것과 동일한 mx입니까?)
3. 내가 설명한 사례에서 두 테스트의 결과 간의 해석에 차이가 있습니까? 일반적으로 추론을 위해 문헌에서 동기가 부여되고 사용되는 것은 무엇입니까?

주어진 L, rxp 및 l, rx 1에 대해 가설 H0 Lt = l을 테스트하는 전통적인 Wald 통계량은 W = (Lt-l) '[L (X'H-1 X) -1 L'] -1 (Lt-l)이고 무조건이 통계량은 r 자유도에 카이 제곱 분포를 갖습니다. 이는 한계 테스트이므로 모형의 고정 부분에있는 다른 모든 항에 대한 조정이 있습니다. R은 오픈 소스입니다

1. 소스가 있습니까?
2. 모델이 정확히 무엇입니까? 혼합 효과는 Fisher 정보 매트릭스에 공명하는 한 상당히 광범위한 범주입니다.
3. 가능성 비율과 점수 테스트를 의미합니까?