Jag arbetar i ramdom-effektmodell. när jag beräknar variansen inom studien / mellanstudien, hittar jag det negativa värdet. Burk? för den här modellen. Om vi hittar i simulering hur ska vi göra?
Tack.
Kommentarer
- Ta en titt på detta SO Skicka inlägg om ämnet
Svar
Det är en artefakt av den metod som du använder. Du kan undvika detta genom att använda en Bayesian-modell med en tidigare sannolikhet för icke-positiv varians på noll procent. Tekniskt sett är ett omöjligt svar omöjligt med en Bayesiansk metodik. Det är möjligt att få omöjliga svar med en frekvensmetod. Försvaret av detta är att du är skyddad mot falska positiva $ 1- \ alpha $ procent av tiden, men priset är att du kan få konstiga eller omöjliga svar då och då. Litteraturen är full av konstiga effekter du kan skapa. Tekniskt sett skulle en negativ varians innebära att data dras från de komplexa siffrorna, men de komplexa siffrorna är inte ordnade så att du inte kunde skapa en vanlig sannolikhetsfördelning över dem. I praktiken beror det på små prover, dåliga modeller eller konstiga avvikare . Jag skulle gå den dåliga modellvägen. SAS ger en kort förklaring på https://v8doc.sas.com/sashtml/stat/chap69/sect12.htm
Du kan gräva igenom deras bibliografi för att få originalkällmaterial. Om jag vore fortfarande skulle jag tro att du hade en dålig modell. Det finns många problem där ute i verkliga världsmodeller som folk ofta saknar och du ser dem som konstiga resultat. Det kan vara ett konstigt urval eller för litet urval, men jag har fördomar mot att förutsätta dåliga modeller. Det är så enkelt att det finns något gömt i den verkliga världen som påverkar en beräkning.
Frequentist-modeller kan vara ömtåliga eller robusta. Detsamma gäller för Bayesian-modeller. Detta bör vara en varning för en ömtålighet. Bayesian mod els kan inte ge omöjliga svar om de är ordentligt formade, men de kan ha andra källor till bräcklighet. Om jag var du skulle jag anta att något i din modell gjorde det ömtåligt. Tänk på ett nytt sätt att ställa en liknande fråga.
Svar
Svaret är ja. Denna fråga har kommit upp många gånger på den här webbplatsen. Naturligtvis kan ingen slumpmässig variabel ha en varians < 0. Ändå finns det många fall där variansberäkningar blir negativa. Om du söker på den här webbplatsen med nyckelorden negativ varians finns det förmodligen hundratals frågor där detta har upptäckts i en mängd applikationer. När jag bara sökte efter ”negativ varians” bland frågor och svar fick jag 1105 träffar.
Kommentarer
- Tack så mycket. Det är dock svårt att tolka om det är negativt.
- Om en fråga har kommit upp många gånger på webbplatsen (och har besvarats), don ' inte svara på en ny version av samma fråga . Istället är stackexchange-policyn att rösta för att stängas som en duplikat. På det sättet i stället för att webbplatsen är full av korta 5-rads svar på dussintals exemplar av samma fråga, kan vi få dem alla att peka på en enda bra version av frågan med bra, materiella (helst kanoniska) svar. Om det finns många gamla nästan identiska frågor bör du också försöka konsolidera dem genom att rösta för att stänga de minst kanoniska frågorna.
- Generellt tror jag att anledningen är antingen att det finns en mycket dålig modell används eller den faktiska avvikelsen, men positiv är mycket liten. Jag tror att om du tittar på några av de viktigaste frågorna kommer du att bli bekvämare med idén.
- @ Glen_b Din kommentar är typisk för moderatorer. Jag vet att en moderator vanligtvis hittar en fråga som enligt hans eller hennes bedömning är en exakt duplikat och frågan kommer snabbt att stängas. Ibland kommer OP att diskutera om det och jag antar att det i vissa fall kommer att öppnas igen. Jag tror att detta inte är så tillfredsställande för OP. Jag tycker att moderatorerna bör uppmuntra frågeställaren att söka efter svar på webbplatsen innan de skickar in frågan. I själva verket är systemet automatiserat för att göra sådana förslag. Men vi får fortfarande dessa nästan dubbletter.
- Reglerna bör följas av goda skäl men mänskligt omdöme är alltid involverat.
Svar
Tänk på fördelningen av eventuell opartisk uppskattning när parametern är 0. Medeluppskattningen måste vara 0 så att vissa uppskattningar måste vara negativa.
Kommentarer
- Jag är inte säker på ditt svar. Uppskattaren som ledde till en negativ uppskattning kanske inte har varit opartisk. Men jag håller med om att när den sanna variansen är liten så kommer till synes logiska uppskattningar inte att vara begränsade till att vara positiva.Ett exempel kan vara en uppskattning av restvarians som erhålls genom att subtrahera den från en annan variansuppskattning. Titta på exempel där uppskattningen av Rsquare kan vara större än 1 eller mindre än 0.
- Att ' är min poäng. Opartiska uppskattningar av Rsquare leder ofta till negativa uppskattningar.