Quelqu'un peut-il expliquer la différence entre un modèle mixte et une analyse de régression linéaire? (J'ai une connaissance très limitée des statistiques.)
Un modèle à effets mixtes a des effets aléatoires et fixes tandis qu'un modèle de régression linéaire standard n'a que des effets fixes.
Prenons un cas où vous avez des données sur plusieurs enfants où vous avez leur âge et leur taille à différents moments et où vous souhaitez utiliser l'âge pour prédire la taille. Si vous êtes prêt à supposer que tous les enfants ont la même pente et l'interception reliant l'âge à la taille, vous pouvez adapter un modèle linéaire régulier avec l'âge comme prédicteur et la taille comme réponse. Vous pouvez également adapter un modèle à effets fixes comprenant un terme id pour chaque enfant qui correspondrait effectivement à une interception distincte (ou pente et interception si vous incluez l'interaction) pour chaque enfant.
Un modèle à effets mixtes vous permettra d'ajuster une interception et une pente moyennes en tant qu'effets fixes, mais vous pouvez également inclure une interception aléatoire (et une pente aléatoire si vous le souhaitez) qui modélise la possibilité de différences entre les enfants d'une manière différente de celle du complètement fixe modèle d'effets. Pour apprécier pleinement les avantages prend plus que ce qui pourrait être inclus dans une réponse ici, vous devriez vraiment lire sur le sujet dans un manuel ou suivre un cours qui parle de modèles d'effets mixtes.
À mon avis, les modèles linéaires et les modèles d'effets mixtes linéaires dans R: Tutorial en deux parties par Bodo Winter sont un bon point de départ pour une personne sans solide expérience en statistique.
la source