Considere el siguiente ejemplo sencillo:
library( rms )
library( lme4 )
params <- structure(list(Ns = c(181L, 191L, 147L, 190L, 243L, 164L, 83L,
383L, 134L, 238L, 528L, 288L, 214L, 502L, 307L, 302L, 199L, 156L,
183L), means = c(0.09, 0.05, 0.03, 0.06, 0.07, 0.07, 0.1, 0.1,
0.06, 0.11, 0.1, 0.11, 0.07, 0.11, 0.1, 0.09, 0.1, 0.09, 0.08
)), .Names = c("Ns", "means"), row.names = c(NA, -19L), class = "data.frame")
SimData <- data.frame( ID = as.factor( rep( 1:nrow( params ), params$Ns ) ),
Res = do.call( c, apply( params, 1, function( x ) c( rep( 0, x[ 1 ]-round( x[ 1 ]*x[ 2 ] ) ),
rep( 1, round( x[ 1 ]*x[ 2 ] ) ) ) ) ) )
tapply( SimData$Res, SimData$ID, mean )
dd <- datadist( SimData )
options( datadist = "dd" )
fitFE <- lrm( Res ~ ID, data = SimData )
fitRE <- glmer( Res ~ ( 1|ID ), data = SimData, family = binomial( link = logit ), nAGQ = 50 )
Es decir, estamos dando efectos fijos y un modelo de efectos aleatorios para el mismo problema muy simple (regresión logística, intercepción solamente).
Así es como se ve el modelo de efectos fijos:
plot( summary( fitFE ) )
Y así es como los efectos aleatorios:
dotplot( ranef( fitRE, condVar = TRUE ) )
La contracción no es sorprendente en sí misma, pero sí lo es. Aquí hay una comparación más directa:
xyplot( plogis(fe)~plogis(re),
data = data.frame( re = coef( fitRE )$ID[ , 1 ],
fe = c( 0, coef( fitFE )[ -1 ] )+coef( fitFE )[ 1 ] ),
abline = c( 0, 1 ) )
Las estimaciones de efectos fijos oscilan entre menos del 3% y más de 11, sin embargo, los efectos aleatorios están entre el 7,5 y el 9,5%. (La inclusión de covariables hace que esto sea aún más extremo).
No soy un experto en efectos aleatorios en la regresión logística, pero a partir de la regresión lineal, tenía la impresión de que una reducción tan sustancial solo puede ocurrir a partir de grupos muy pequeños. Aquí, sin embargo, incluso el grupo más pequeño tiene casi un centenar de observaciones, y los tamaños de muestra superan los 500.
¿Cuál es la razón para esto? ¿O estoy pasando por alto algo ...?
EDITAR (28 de julio de 2017). Según la sugerencia de @Ben Bolker, probé lo que sucede si la respuesta es continua (de modo que eliminemos los problemas sobre el tamaño de muestra efectivo , que es específico para los datos binomiales).
Lo nuevo SimData
es por lo tanto
SimData <- data.frame( ID = as.factor( rep( 1:nrow( params ), params$Ns ) ),
Res = do.call( c, apply( params, 1, function( x ) c( rep( 0, x[ 1 ]-round( x[ 1 ]*x[ 2 ] ) ),
rep( 1, round( x[ 1 ]*x[ 2 ] ) ) ) ) ),
Res2 = do.call( c, apply( params, 1, function( x ) rnorm( x[1], x[2], 0.1 ) ) ) )
data.frame( params, Res = tapply( SimData$Res, SimData$ID, mean ), Res2 = tapply( SimData$Res2, SimData$ID, mean ) )
y los nuevos modelos son
fitFE2 <- ols( Res2 ~ ID, data = SimData )
fitRE2 <- lmer( Res2 ~ ( 1|ID ), data = SimData )
El resultado con
xyplot( fe~re, data = data.frame( re = coef( fitRE2 )$ID[ , 1 ],
fe = c( 0, coef( fitFE2 )[ -1 ] )+coef( fitFE2 )[ 1 ] ),
abline = c( 0, 1 ) )
es
¡Hasta aquí todo bien!
Sin embargo, decidí realizar otra verificación para verificar la idea de Ben, pero el resultado resultó ser bastante extraño. Decidí verificar la teoría de otra manera: vuelvo al resultado binario, pero aumento los medios para que los tamaños de muestra efectivos crezcan. Simplemente ejecuté params$means <- params$means + 0.5
y luego volví a intentar el ejemplo original, aquí está el resultado:
A pesar del tamaño mínimo (efectivo) de la muestra de hecho drásticamente el aumento de ...
> summary(with(SimData,tapply(Res,list(ID),
+ function(x) min(sum(x==0),sum(x==1)))))
Min. 1st Qu. Median Mean 3rd Qu. Max.
33.0 72.5 86.0 100.3 117.5 211.0
... la contracción en realidad aumentó ! (Se convierte en total, con cero varianza estimada).
fuente
Respuestas:
Sospecho que la respuesta aquí tiene que ver con la definición de "tamaño de muestra efectivo". Una regla general (del libro de Estrategias de modelado de regresión de Harrell ) es que el tamaño de muestra efectivo para una variable de Bernoulli es el mínimo del número de éxitos y fracasos; Por ejemplo, una muestra de tamaño 10,000 con solo 4 éxitos es más como tenern = 4 que n =104 4 . Los tamaños de muestra efectivos aquí no son pequeños, pero son mucho más pequeños que el número de observaciones.
Tamaños de muestra efectivos por grupo:
Tamaños de muestra por grupo:
Una forma de probar esta explicación sería hacer un ejemplo análogo con respuestas continuamente variables (gamma o gaussianas).
fuente