Zasadniczo zastanawiam się, w jaki sposób wymuszane są różne struktury kowariancji i jak obliczane są wartości w tych macierzach. Funkcje takie jak lme () pozwalają nam wybrać, którą strukturę chcielibyśmy, ale chciałbym wiedzieć, jak są szacowane.
Rozważ liniowy model efektów mieszanych .
Gdzie i . Ponadto:
Dla uproszczenia założymy .
Zasadniczo moje pytanie brzmi: jak dokładnie szacuje się na podstawie danych dla różnych parametryzacji? Powiedzmy, że jeśli założymy, że jest diagonalny (efekty losowe są niezależne) lub pełni sparametryzowany (w tej chwili bardziej mnie to interesuje) lub dowolne inne parametry? Czy istnieją dla nich proste estymatory / równania? (Bez wątpienia byłoby to iteracyjnie szacowane).
EDYCJA: Z książki Variance Components (Searle, Casella, McCulloch 2006) udało mi się uzyskać następujące informacje:
Jeśli to składniki wariancji są aktualizowane i obliczane w następujący sposób:
Gdziei U (k)sąth aktualizacjach odpowiednio.
Czy istnieją ogólne wzory, gdy jest blokowo ukośne lub w pełni sparametryzowane? Zgaduję, że w przypadku w pełni sparametryzowanym stosuje się rozkład Cholesky'ego, aby zapewnić pozytywną definitywność i symetrię.