Mój kolega i ja dopasowujemy zakres liniowych i nieliniowych modeli efektu mieszanego w R. Jesteśmy proszeni o przeprowadzenie weryfikacji krzyżowej dopasowanych modeli, aby można było zweryfikować, czy zaobserwowane efekty są względnie ogólne. Zwykle jest to trywialne zadanie, ale w naszym przypadku musimy podzielić całe dane na część szkoleniową i część testową (do celów CV), które nie mają wspólnych poziomów. Na przykład,
Dane treningowe mogą być oparte na grupach 1,2,3,4; Dopasowany model jest następnie poddawany walidacji krzyżowej w grupie 5.
Stwarza to problem, ponieważ losowe efekty oparte na grupie oszacowane na danych treningowych nie mają zastosowania do danych testowych. Dlatego nie możemy CV modelu.
Czy istnieje stosunkowo proste rozwiązanie tego problemu? A może ktoś napisał już pakiet, aby rozwiązać ten problem? Wszelkie wskazówki są mile widziane!
Dzięki!
źródło
Odpowiedzi:
Fang (2011) wykazał asymptotyczną równoważność między AIC zastosowanym do modeli mieszanych a walidacją krzyżową typu „jeden klaster poza”. Być może zaspokoiłoby to twojego recenzenta, pozwalając ci po prostu obliczyć AIC jako łatwiejsze do obliczenia przybliżenie do tego, o co prosili?
źródło
Colby i Bair (2013) opracowali podejście do walidacji krzyżowej, które można zastosować do nieliniowych modeli efektów mieszanych. Możesz odwiedzić ten link, aby dowiedzieć się więcej.
źródło