Гомоскедастичность остатков в линейных смешанных моделях Опции

[Anna_V]

Добрый день. Если я не ошибаюсь, корректное применение линейных смешанных моделей требует гомоскедастичности остатков. Вопрос: как её проверить (кроме визуального анализа)? Где-то читала, не могу найти, что критерий Ливиня не рекомендуют применять из-за его излишней консервативности в данном случае. В Prism гомоскедастичность остатков предлагается проверять расчетом корреляции Спирмена между предсказанными значениями и абсолютными значениями остатков, на сколько оправдан такой подход?

[ИНО]

Прочитал подраздел "Statistical Analysis". Обычная линейная регрессия с селекцией "оптимальнй модели" основе p-значений коэффициентов. Не совсем понятно, что такое "entry criterion P < 0.1"? Могу лишь предположить, что на первом шаге подгоняли полную модель, а затем исключали все предикторы, коэффициенты-которых, имели p>0,1. А вот дальнейшее вполне ясно: пошагово исключали предикторы с p>0,05 (видимо, начиная с того, у которого оно было самым большим, хотя из текста и не очевидно). На каждом шаге модель переоценивали, пока не остались только предикторы с p<0,05. Вот эту последнюю модель и интерпретировали. Не самый мудрый способ селекции предикторов, но на практике используется часто. Также не поясняется, что делали с результатами вушеупомянутого корреляционного анализа (по идее, могли использовать для исключения сильно скоррелированных предикторов, но об этом - не слова) и зачем вообще применяли критерий Манна-Уитни. В целом, очень скупое и мутное описание статанализа по принципу "догадайся мол сама". Но никаких чудес, описанных Вами в стартовом, оно не содержит.

Что же касается предыдущих подразделов, то хотя там и упоминаются местами отдельные статистические термины, но оценивать это должен не статистик общего профиля, а специалист-биофизик в паре с физиологом. Потому что относится оно, насколько я понял, к обработки сигнала, полученного от некоего диагностичесокого прибора и реконструкции на его основе неких процессов в сердце больного.

Сообщение отредактировал ИНО - 29.06.2022 - 16:30

[salm]

Прочитал подраздел "Statistical Analysis". Обычная линейная регрессия с селекцией "оптимальнй модели" основе p-значений коэффициентов. Не совсем понятно, что такое "entry criterion P < 0.1"? Могу лишь предположить, что на первом шаге подгоняли полную модель, а затем исключали все предикторы, коэффициенты-которых, имели p>0,1. А вот дальнейшее вполне ясно: пошагово исключали предикторы с p>0,05 (видимо, начиная с того, у которого оно было самым большим, хотя из текста и не очевидно). На каждом шаге модель переоценивали, пока не остались только предикторы с p<0,05. Вот эту последнюю модель и интерпретировали. Не самый мудрый способ селекции предикторов, но на практике используется часто. Также не поясняется, что делали с результатами вушеупомянутого корреляционного анализа (по идее, могли использовать для исключения сильно скоррелированных предикторов, но об этом - не слова) и зачем вообще применяли критерий Манна-Уитни. В целом, очень скупое и мутное описание статанализа по принципу "догадайся мол сама". Но никаких чудес, описанных Вами в стартовом, оно не содержит.

Что же касается предыдущих подразделов, то хотя там и упоминаются местами отдельные статистические термины, но оценивать это должен не статистик общего профиля, а специалист-биофизик в паре с физиологом. Потому что относится оно, насколько я понял, к обработки сигнала, полученного от некоего диагностичесокого прибора и реконструкции на его основе неких процессов в сердце больного.

Спасибо огромное еще раз. Я имела ввиду, они сделали вывод о значимости влияния на значение переменной исхода предикторов на основании их р-значений, без указания самих коэффициентов регрессии (ну бэта которые), без направления связи предикторов со значением переменной исхода, без формулы, без константы... Так можно что ли? коэффициенты корреляции то я вижу... ну меня бы это устроило)))
Про сравнение- ну по крайней мере мне понятно что они хотели сказать... я не про грамотность с точки зрения статистики