Inferens i mixed models i R - hinsides det sædvanlige likelihood ratio test

Inferens i lineære mixed models og i generaliserede lineære mixed
models er ofte baseret på χ 2 approximationen til likelihood
ratio teststørrelsens fordeling. Det går som regel godt i store
datasæt, men et datasæt kan på samme tid være stort med hensyn
til nogle aspekter af en problemstilling og lille med hensyn til
andre aspekter. Et klassisk eksempel er data fra et split-plot
forsøg: Delploteffekten kan være velbestemt mens helploteffekten
ofte vil være dårligere bestemt. I visse planlagte forsøgstyper
ved vi, hvordan vi skal håndtere hypotesetests i sådanne
modeller. I observationelle studier er det mindre klart, hvordan
man skal håndtere hypotesetests. Een mulighed mulighed er at lave
en form for F-test hvor nævner-frihedsgraderne er
justerede (typisk) for at tage hånd om, at dispersionsparametre
er estimerede fra data og dermed ikke må betragtes som kendte. En
anden tilgang er at basere tests på parametrisk
bootstrap. Fordelen ved denne metode er, at den umiddelbart lader
sig anvende i mere generelle situationer end lineære mixed
models; f.eks. i generaliserede lineære modeller. Begge metoder
er tilgængelige i R pakken pbkrtest.