Selecci??n de modelos anidados para datos longitudinales usando criterios de informaci??n y la estrategia de ajuste condicional

Resumen tomado de la publicaci??n

Un marco te??rico potente resulta clave para especificar el modelo mixto que explica mejor la variabilidad de datos longitudinales. A falta de teor??a, la mayor??a de las investigaciones realizadas hasta la fecha, se ha centrado en ajustar la matriz de dispersi??n usando criterios de selecci??n de modelos para elegir entre estructuras de covarianza no anidadas. En este trabajo, comparamos el desempe??o del estad??stico raz??n de verosimilitud (LRT) condicional y de varias versiones de los criterios de informaci??n para seleccionar estructuras de medias y/o de covarianzas anidadas, asumiendo conocido el verdadero proceso generador de datos. Los resultados num??ricos indican que los criterios de informaci??n eficientes funcionaban mejor que sus hom??logos consistentes cuando las matrices de dispersi??n usadas en la generaci??n eran complejas y peor cuando eran simples. Globalmente, el desempe??o del LRT condicional basado en el estimador de m??xima verosimilitud completa (FML) era superior al resto de los criterios examinados. Sin embargo, el desempe??o era inferior cuando se basaba en el estimador m??xima verosimilitud restringida (REML). Tambi??n encontramos que la estrategia sugerida en la literatura estad??stica de usar el estimador REML para seleccionar la estructura de covarianza y el estimador FML para seleccionar la estructura de medias deber??a ser evitada.