আর (lme4) বনাম স্টাতা (xtmixed) এ এলোমেলো প্রভাবের স্ট্যান্ডার্ড ত্রুটি

Question

এই ডেটা বিবেচনা করুন:

dt.m <- structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12), occasion = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("g1", "g2"), class = "factor"),     g = c(12, 8, 22, 10, 10, 6, 8, 4, 14, 6, 2, 22, 12, 7, 24, 14, 8, 4, 5, 6, 14, 5, 5, 16)), .Names = c("id", "occasion", "g"), row.names = c(NA, -24L), class = "data.frame")

আমরা একটি সহজ বৈকল্পিক উপাদান মডেল ফিট। আর তে আমাদের রয়েছে:

require(lme4)
fit.vc <- lmer( g ~ (1|id), data=dt.m )

তারপরে আমরা একটি শুঁয়োপোকা প্লট উত্পাদন করি:

rr1 <- ranef(fit.vc, postVar = TRUE)
dotplot(rr1, scales = list(x = list(relation = 'free')))[["id"]]

এখন আমরা স্টাটাতে একই মডেলটি ফিট করি। প্রথমে আর থেকে স্টাটা ফর্ম্যাটে লিখুন:

require(foreign)
write.dta(dt.m, "dt.m.dta")

স্টাটাতে

use "dt.m.dta"
xtmixed g || id:, reml variance

আউটপুট আর আউটপুটটির সাথে একমত হয় (না দেখানো হয়) এবং আমরা একই শুঁয়োপোকা প্লট উত্পাদন করার চেষ্টা করি:

predict u_plus_e, residuals
predict u, reffects
gen e = u_plus_e – u
predict u_se, reses

egen tag = tag(id)
sort u
gen u_rank = sum(tag)

serrbar u u_se u_rank if tag==1, scale(1.96) yline(0)

ক্লিয়ার্টি স্টাটা আর এর কাছে আলাদা স্ট্যান্ডার্ড ত্রুটি ব্যবহার করছে St বাস্তবে স্টাটা ২.১৩ ব্যবহার করছে আর আর ১.৩৩ ব্যবহার করছে।

আমি যা বলতে পারি তা থেকে, আর এর মধ্যে 1.32 আসছে

> sqrt(attr(ranef(fit.vc, postVar = TRUE)[[1]], "postVar")[1, , ])
 [1] 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977 1.319977

যদিও আমি বলতে পারি না আমি সত্যিই বুঝতে পারি এটি কী করছে। কেউ কি ব্যাখ্যা করতে পারেন?

এবং স্ট্যাটা থেকে ২.১৩ কোথা থেকে আসছে তা আমার কোনও ধারণা নেই, কেবলমাত্র যদি আমি অনুমানের পদ্ধতিটি সর্বাধিক সম্ভাবনায় রূপান্তরিত করি:

xtmixed g || id:, ml variance

.... তারপরে এটি 1.32 কে স্ট্যান্ডার্ড ত্রুটি হিসাবে ব্যবহার করবে এবং আর এর মতো একই ফলাফল আনবে বলে মনে হচ্ছে ....

.... তবে তারপরে র্যান্ডম এফেক্টের বৈকল্পিকের জন্য অনুমান আর আর (35.04 বনাম 31.97) এর সাথে একমত হয় না।

এটি এমএল বনাম আরইএমএল এর সাথে কিছু করার আছে বলে মনে হচ্ছে: যদি আমি উভয় সিস্টেমেই আরএমএল চালনা করি তবে মডেল আউটপুট সম্মত হয় তবে শুঁয়োপোকা প্লটগুলিতে ব্যবহৃত স্ট্যান্ডার্ড ত্রুটিগুলি সম্মত হয় না, অন্যদিকে আমি যদি আরটিএলতে আরএমএল চালিত করি এবং স্টাটাতে এমএল , শুঁয়োপোকা প্লট সম্মত হয়, কিন্তু মডেল অনুমান হয় না।

কি চলছে তা কি কেউ ব্যাখ্যা করতে পারেন?

Comments

রবার্ট, আপনি স্টাটা এবং / বা পদ্ধতি এবং সূত্রগুলি দেখেছেন ? তারা পিনহিরো এবং বেটস (2000) উল্লেখ করে, তাই কমপক্ষে গণিতের কিছু অংশ একই হতে হবে। [XT] xtmixed[XT] xtmixed postestimation

— স্টাসকে

@ স্টাস্কে আমি আগে পিনেহিরো এবং বেটসের একটি রেফারেন্স দেখেছি, তবে কোনও কারণে আমি এখন এটি খুঁজে পাচ্ছি না! আমি এলোমেলো প্রভাবগুলির পূর্বাভাস সম্পর্কিত প্রযুক্তিগত নোটটি দেখেছি; এটি "সর্বাধিক সম্ভাবনার মানক তত্ত্ব" এবং প্রদত্ত ফলাফলটি ব্যবহার করে যে হেসিয়ানটির নেতিবাচক বিপরীত হিসাবে অ্যাসিম্পটোটিক ভেরিয়েন্স ম্যাট্রিক্স। তবে সত্য কথা বলতে সত্যই এটি আমাকে সাহায্য করেনি! [সম্ভবত আমার বোঝার অভাবের কারণে]

— রবার্ট লং

স্টাটা বনাম আর-এ এই আলাদাভাবে কোনও স্বাধীনতা সংশোধনের ডিগ্রিও হতে পারে? আমি শুধু জোরে চিন্তা করছি।

— StasK

@ স্ট্যাস্ক আমি সে সম্পর্কেও ভেবেছিলাম, তবে আমি এই সিদ্ধান্তে পৌঁছেছি যে পার্থক্য - 1.32 ভিসি 2.13 - খুব দুর্দান্ত ছিল। অবশ্যই এটি একটি ছোট নমুনার আকার small গুচ্ছ সংখ্যা ও ক্লাস্টার প্রতি কম সংখ্যক পর্যবেক্ষণ, তাই আমি অবাক হয়ে অবাক হব না যে এটি যা ঘটছে তা নমুনা আকার দ্বারা প্রসারিত হচ্ছে।

— রবার্ট লং

Answer 1

[XT]স্টাটা 11 এর ম্যানুয়াল অনুসারে :

$\beta$$\beta$

$\beta$

আপনার প্রশ্ন থেকে আপনি স্টাটা এবং আর উভয় ক্ষেত্রেই আরএমএল চেষ্টা করেছেন, আর স্টাটারে এমএল দিয়ে আরএমএল-এর সাথে আরএমএল। আপনি যদি উভয়ে এমএল চেষ্টা করেন তবে আপনার উভয় ক্ষেত্রেই একই ফলাফল পাওয়া উচিত।