การอนุมานเกี่ยวกับเอฟเฟกต์คงที่ในโมเดลเอฟเฟกต์ผสม

ฉันมีข้อมูลที่มีความสัมพันธ์กันและกำลังใช้แบบจำลองผลกระทบการถดถอยแบบโลจิสติกส์เพื่อประมาณผลกระทบระดับบุคคล (แบบมีเงื่อนไข) สำหรับการทำนายผลประโยชน์ ฉันรู้ว่าสำหรับโมเดลส่วนเพิ่มมาตรฐานการอนุมานพารามิเตอร์โมเดลโดยใช้การทดสอบ Wald นั้นสอดคล้องกับอัตราส่วนความน่าจะเป็นและการทดสอบคะแนน พวกเขามักจะประมาณเดียวกัน เนื่องจาก Wald นั้นง่ายต่อการคำนวณและพร้อมใช้งานในเอาต์พุต R ฉันจึงใช้ 99% ของเวลา

อย่างไรก็ตามด้วยโมเดลเอฟเฟ็กต์แบบผสมฉันรู้สึกทึ่งที่เห็นความแตกต่างอย่างมากระหว่างการทดสอบ Wald สำหรับเอฟเฟกต์คงที่เนื่องจากมีการรายงานในโมเดลเอาท์พุทใน R และการทดสอบอัตราส่วนความน่าจะเป็น "ด้วยมือ" เหมาะสมจริงลดรูปแบบ โดยสังหรณ์ใจฉันสามารถเห็นว่าทำไมสิ่งนี้อาจสร้างความแตกต่างอย่างมากเพราะในโมเดลที่ลดลงความแปรปรวนของเอฟเฟกต์แบบสุ่มนั้นถูกประเมินใหม่และอาจส่งผลกระทบอย่างมีนัยสำคัญต่อโอกาส

บางคนสามารถอธิบายได้

1. สถิติการทดสอบของ Wald คำนวณใน R เพื่อหาผลกระทบคงที่อย่างไร
2. อะไรคือเมทริกซ์ข้อมูลสำหรับพารามิเตอร์โมเดลโดยประมาณในโมเดลเอฟเฟกต์ผสม? (และเป็น mx เดียวกันกับที่คำนวณสถิติการทดสอบของ Wald หรือไม่)
3. อะไรคือความแตกต่างในการตีความระหว่างผลลัพธ์จากการทดสอบทั้งสองในกรณีที่ฉันอธิบาย โดยทั่วไปมีแรงจูงใจอะไรบ้างและนำไปใช้ในงานวรรณกรรมเพื่อการอนุมาน

สถิติ Wald แบบดั้งเดิมเพื่อทดสอบสมมติฐาน H0 Lt = l สำหรับ L, rxp และ l, rx 1 ที่ได้รับโดย W = (Lt - l) '[L (X'H-1 X) -1 L'] -1 (Lt - l) และ asymptotically สถิตินี้มีการแจกแจงแบบไคสแควร์ในองศาอิสระ นี่คือการทดสอบส่วนเพิ่มเพื่อให้มีการปรับคำศัพท์อื่น ๆ ทั้งหมดในส่วนที่คงที่ของโมเดล R คือโอเพ่นซอร์ส

1. คุณมีแหล่งที่มาหรือไม่?
2. รุ่นของคุณคืออะไร เอฟเฟกต์ผสมเป็นหมวดหมู่ที่ค่อนข้างกว้างพอ ๆ กับที่มันสะท้อนเข้าสู่เมทริกซ์ข้อมูลฟิชเชอร์
3. คุณหมายถึงอัตราส่วนความน่าจะเป็นและการทดสอบคะแนนหรือไม่?