Alguém pode explicar a diferença entre um modelo misto e uma análise de regressão linear? (Eu tenho um conhecimento muito limitado de estatística.)
Um modelo de efeitos mistos tem efeitos aleatórios e fixos, enquanto um modelo de regressão linear padrão tem apenas efeitos fixos.
Considere um caso em que você tem dados sobre várias crianças em que tem idade e altura em diferentes momentos e deseja usar a idade para prever a altura. Se você deseja assumir que todas as crianças têm a mesma inclinação e interceptam a idade e a altura, pode ajustar um modelo linear regular com a idade como preditor e a altura como resposta. Você também pode ajustar um modelo de efeitos fixos, incluindo um termo de identificação para cada criança que se encaixe efetivamente em uma interceptação separada (ou inclinação e interceptação, se você incluir a interação) para cada criança.
Um modelo de efeitos mistos permitirá ajustar uma interceptação e inclinação média como efeitos fixos, mas também é possível incluir uma interceptação aleatória (e inclinação aleatória, se desejado) que modela a possibilidade de diferenças entre os filhos de uma maneira diferente da totalmente fixa. modelo de efeitos. Para apreciar plenamente as vantagens, é necessário mais do que o que poderia ser incluído em uma resposta aqui, você realmente deve ler o tópico em um livro ou fazer uma aula que fala sobre modelos de efeitos mistos.
Na minha opinião, os modelos lineares e os efeitos lineares de efeitos mistos no R: Tutorial em duas partes de Bodo Winter são um bom ponto de partida para uma pessoa sem grande experiência em estatística.
fonte