利用 lme4 计算与应用广义线性混合模型导数
统计方法学
2022-12-12 v2
摘要
广义线性混合模型 (GLMMs) 的极大似然估计因随机效应的边际化而困难。计算拟合 GLMM 似然关于模型参数的导数同样困难,尤其是因为这些导数并非流行估计算法的副产品。本文中,我们描述了 GLMM 导数以及一种高效计算它们的求积方法,聚焦于具有单个聚类变量的 lme4 模型。我们描述了与 IRT 相关的心理测量学结果如何有助于获得这些导数,并验证导数的准确性。在描述导数计算方法后,我们展示了这些导数的多种可能用途,包括稳健标准误、固定效应参数的得分检验,以及非嵌套模型的似然比检验。本文描述的导数计算方法与应用均可在易获取的 R 包中获得。
引用
@article{arxiv.2011.10414,
title = {Computation and application of generalized linear mixed model derivatives using lme4},
author = {Ting Wang and Benjamin Graves and Yves Rosseel and Edgar C. Merkle},
journal= {arXiv preprint arXiv:2011.10414},
year = {2022}
}