Uwzględnienie losowych terminów w modelu jest sposobem na wywołanie pewnej struktury kowariancji między stopniami. Losowy czynnik dla szkoły wywołuje niezerową kowariancję między różnymi uczniami z tej samej szkoły, podczas gdy wynosi gdy szkoła jest inna.0
Napiszmy swój model jako
gdzie s indeksy szkoły i : i indeksy (uczniowie w każdej szkole). Pojęcia szkoła s są niezależnymi zmiennymi losowymi narysowanymi w N ( 0 , τ ) . Do e e , i są niezależnymi zmiennymi losowymi narysowane N ( 0 , Ď
Ys,i=α+hourss,iβ+schools+es,i
sischoolsN(0,τ)es,i .
N(0,σ2)
Wektor ten oczekiwał wartości
która jest określona przez liczbę przepracowanych godzin.
[α+hourss,iβ]s,i
Kowariancja pomiędzy i Y s " , i " jest 0 gdy s ≠ s ' , co oznacza, że odejście z klas od oczekiwanej wartości są niezależne, gdy uczniowie nie są w tej samej szkole.Ys,iYs′,i′0s≠s′
Kowariancja pomiędzy i Y s , ja " jest τ kiedy ja ≠ I ' , a wariancja Y s , i jest τ + σ 2 : klas uczniów z tej samej szkoły będą miały skorelowane odstępstw od ich wartości oczekiwanych .Ys,iYs,i′τi≠i′Ys,iτ+σ2
Przykładowe i symulowane dane
Oto krótka symulacja R dla pięćdziesięciu uczniów z pięciu szkół (tutaj biorę ); nazwy zmiennych są samokontrujące: σ2=τ=1
set.seed(1)
school <- rep(1:5, each=10)
school_effect <- rnorm(5)
school_effect_by_ind <- rep(school_effect, each=10)
individual_effect <- rnorm(50)
Planujemy odstępstwa od oczekiwanej oceny dla każdego ucznia, czyli warunki wraz ze (kropkowaną linią) średni odstęp dla każdej szkoły:schools+es,i
plot(individual_effect + school_effect_by_ind, col=school, pch=19,
xlab="student", ylab="grades departure from expected value")
segments(seq(1,length=5,by=10), school_effect, seq(10,length=5,by=10), col=1:5, lty=3)
schoolsα+hoursβ
Macierz wariancji dla tego przykładu
schoolses,i
⎡⎣⎢⎢⎢⎢⎢⎢A00000A00000A00000A00000A⎤⎦⎥⎥⎥⎥⎥⎥
10×10AA=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢2111111111121111111111211111111112111111111121111111111211111111112111111111121111111111211111111112⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥.