Meu colega e eu estamos ajustando uma variedade de modelos de efeitos mistos lineares e não-lineares em R. Somos solicitados a realizar validação cruzada nos modelos ajustados, para que se possa verificar se os efeitos observados são relativamente generalizáveis. Normalmente, essa é uma tarefa trivial, mas, no nosso caso, precisamos dividir os dados em uma parte de treinamento e uma parte de teste (para fins de CV) que não compartilham níveis comuns. Por exemplo,
Os dados do treinamento podem ser baseados nos Grupos 1,2,3,4; O modelo ajustado é validado cruzadamente no Grupo 5.
Portanto, isso cria um problema, pois os efeitos aleatórios baseados em grupo estimados nos dados de treinamento não se aplicam aos dados de teste. Portanto, não podemos CV do modelo.
Existe uma solução relativamente simples para isso? Ou alguém já escreveu um pacote para resolver esse problema? Qualquer dica é bem-vinda!
Obrigado!
fonte
Respostas:
Fang (2011) demonstrou equivalência assintótica entre AIC aplicada a modelos mistos e validação cruzada de deixar um cluster. Possivelmente, isso satisfaria seu revisor, permitindo que você simplesmente calculasse o AIC como uma aproximação mais fácil de calcular ao que eles solicitaram?
fonte
Colby e Bair (2013) desenvolveram uma abordagem de validação cruzada que pode ser aplicada a modelos de efeitos mistos não lineares. Você pode visitar este link para saber mais.
fonte