Różnica między modelami krańcowymi i warunkowymi

Marginalny wzór stanowi korelacji w każdym klastrze. Warunkowy Model uwzględnia również korelację w każdym klastrze.

Moje pytania to:

1. Czy model krańcowy modeluje główne efekty w populacji, podczas gdy model warunkowy modeluje główne efekty w klastrze i w populacji?
2. Interpretacja współczynników modelu krańcowego jest zasadniczo taka sama jak „model regularny”. A co ze współczynnikami modelu warunkowego?

Tak, interpretacje są dość podobne do „regularnych modeli”, a główne rozróżnienie między nimi polega na tym, czy porównujesz obserwacje w ramach tego samego skupienia, czy we wszystkich skupieniach.

W typowym modelu warunkowym - znanym również jako model określony warunkowo lub model mieszany - współczynniki mają interpretacje specyficzne dla klastra. Współczynniki współzmiennej są miarą różnicy średniej odpowiedzi, w tej samej grupie, w obserwacjach, dla których określone zmienne towarzyszące różnią się o jedną jednostkę, a wszystkie pozostałe zmienne towarzyszące są identyczne. W zależności od funkcji łącza „miarą różnicy” może być różnica, iloraz logarytmiczny lub iloraz logarytmiczny. Wyjątkiem jest punkt przecięcia, który nie opisuje różnicy, ale daje średnią odpowiedź w obserwacjach, dla których wszystkie zmienne towarzyszące i efekt losowy są zerowe.

W modelu marginalnym współczynniki mają interpretacje uśrednione w populacji. Z wyjątkiem przecięcia, współczynniki opisują różnice w średniej odpowiedzi, ale teraz we wszystkich obserwacjach (a zatem we wszystkich skupieniach). Współczynnik współzmiennej jest różnicą średniej odpowiedzi (lub logarytmu średnich itp.) Na różnicę jednostkową w tej współzmiennej, w obserwacjach, dla których wszystkie pozostałe zmienne towarzyszące są identyczne. Zauważ, że ta definicja jest niezależna od tego, czy porównania są w tym samym klastrze, czy nie.