Modelli gerarchici e a effetti misti in R

Questo capitolo offre un'introduzione ai modelli lineari a effetti misti. Copre diversi tipi di effetti casuali, descrive come interpretare i risultati dei modelli lineari a effetti misti e passa in rassegna diversi metodi di inferenza statistica con modelli a effetti misti utilizzando dati sulla criminalità del Maryland.

Questo capitolo estende i modelli lineari a effetti misti includendo termini di errore non normali tramite modelli lineari generalizzati a effetti misti. Modificando il modello per includere un termine di errore non normale, puoi modellare più tipi di dati con risposte non lineari. Dopo un ripasso dei modelli lineari generalizzati, il capitolo esamina dati binomiali e dati di conteggio nel contesto dei modelli a effetti misti.

Questo capitolo mostra come l'analisi per misure ripetute sia un caso speciale di modellazione a effetti misti. Il capitolo inizia ripassando i t-test appaiati e l'ANOVA per misure ripetute. Poi utilizza un modello lineare a effetti misti per analizzare dati di uno studio sul sonno. Infine, usa un modello lineare generalizzato a effetti misti per esaminare nel tempo i dati sui crimini d'odio dello stato di New York.