The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Simulation Study on Model Selection Based on AIC under Unbalanced Design in Linear Mixed Effect Models

불균형 자료에서 AIC를 이용한 선형혼합모형 선택법의 효율에 대한 모의실험 연구

  • 이용희 (서울시립대학교 통계학과)
  • Received : 20100900
  • Accepted : 20101000
  • Published : 2010.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

This article consider a performance model selection based on AIC under unbalanced deign in linear mixed effect models. Vaida and Balanchard (2005) proposed conditional AIC for model selection in linear mixed effect models when the prediction of random effects is of primary interest. Theoretical properties of cAIC and related criteria have been investigated by Liang et al. (2008) and Greven and Kneib (2010). However, all of the simulation studies were performed under a balanced design. Even though functional form of AIC remain same even under the unbalanced deign, it is worthwhile to investigate performance of AIC based model selection criteria under the unbalanced design. The simulation study in this article shows how unbalancedness affects model selection in linear mixed effect models.

본 논문은 불균형 자료에서 선형혼합모형에 적용되는 Akaike Information Criterion(AIC)의 효율에 대한 연구이다. Vaida와 Balanchard (2005)에 의해 제안된 cAIC(conditional AIC)는 mAIC(marginal AIC)가 임의효과의 예측에 대한 불확실성을 모형선택에서 반영하지 못하는 단점을 극복할 수 있는 방법이다. cAIC에 대한 이론적인 성질과 확장은 Liang 등 (2008)과 Greven과 Kneib (2010)에 의하여 연구되었다. cAIC의 형태는 자료의 구조에 영향을 받지는 않지만 선형혼합모형에서 모수의 추정 효율은 자료의 불균형의 정도에 따라 많은 영향을 받는 것이 알려져 있다. 기존의 연구에서 실시한 모든 모의실험이 자료가 균형인 경우에만 실행되어 자료의 불균형이 AIC에 근거한 혼합모형 선택 방법의 효율에 어떤 영향을 미치는지 알려져 있지 않다. 본 논문은 자료의 불균형이 모형선택 방법의 효율에 미치는 영향을 모의실험을 통하여 알아보았다. 자료의 불균형이 심해짐에 따라 AIC에 근거한 모형선택방법은 복잡한 모형을 선택하는 경향이 낮아짐을 보였다.

Keywords

References

  1. Akaike, H. (1973). Information theory and an extension of the maximum likelihood principle, Second International Symposium on Information Theory, 267–281, Akademiai Kiado, Budapest.
  2. Greven, S. and Kneib, T. (2010). On the behavior of marginal and conditional AIC in linear mixed models, Biometrika, 97, 773–789.
  3. Hartley, H. O. and Rao, J. N. K. (1967). Maximum-likelihood estimation for the mixed analysis of variance model, Biometrika, 54, 93–108.
  4. Harville, D. A. (1977). Maximum likelihood approaches to variance component estimation and to related problems, Journal of the American Statistical Association, 72, 320–338.
  5. Jiang, J. (2009). Linear and Generalized Linear Mixed Models and Their Applications, Springer, New York.
  6. Khuri, A. I., Mathew, T. and Sinha, B. K. (1998). Statistical Tests in Mixed linear Models, John Wiley & Sons.
  7. Liang, H., Wu, H. and Zou, G. (2008). A note on conditional AIC for linear mixed-effects models, Biometrika, 95, 773–778.
  8. Searle, S. R., Casella, G. and McCulloch, C. E. (1992). Variance Components, John Wiley & Sons.
  9. Vaida, F. and Blanchard, S. (2005). Conditional Akaike information for mixed-effects models, Biometrika, 92, 351–370.

Cited by

  1. Comparison of Temperature-dependent Development Model of Aphis gossypii (Hemiptera: Aphididae) under Constant Temperature and Fluctuating Temperature vol.51, pp.4, 2012, https://doi.org/10.5656/KSAE.2012.10.0.031
  2. Comparison of Development times of Myzus persicae (Hemiptera:Aphididae) between the Constant and Variable Temperatures and its Temperature-dependent Development Models vol.51, pp.4, 2012, https://doi.org/10.5656/KSAE.2012.10.0.032