STATISTIK-FORUM.de

[Kristofferson]

Hallo lieber Foren-Mitglieder,

ich habe eine Frage zum Vergleich der Modellpassung bei zwei Modellen, die ich mit der MIXED Prozedur in SPSS geschätzt habe. Die Modelle haben die gleichen festen Effekte, den gleichen Messwiederholungsfaktor und keinen zufälligen Effekte. Sie unterscheiden sich lediglich in dem für den Messwiederholungsfaktor angenommenen Kovarianztyp. Mir wurde von meinem Anleiter die Restricted Maximum Likelihood (REML) zur Schätzung des Modells nahegelegt. Ich habe jetzt mehrfach gelesen, dass man beim Modellvergleich lieber die Full ML-Schätzung nutzt. Die REML könne man aber heranziehen, wenn sich die Modelle nur in den zufälligen Faktoren unterscheiden. Kann ich meine spezifischen Modelle also auch miteinander vergleichen, wenn ich sie mit REML geschätzt habe (da ich gar keine zufälligen Effekte annehme)?

Danke schon mal!

[strukturmarionette]

Hi,

Kann ich meine spezifischen Modelle also auch miteinander vergleichen

- Was denn für Modelle?

Gruß
S.

[Kristofferson]

Es geht um den Vergleich zwischen zwei Gruppen in einer metrischen AV, die unter verschiedenen Bedingungen aufgezeichnet wurde. Es ist quasi eine ANOVA mit einem within- und mehreren between-subjects Faktoren, die ich jedoch nicht mit GLM sondern mit Mixed in SPSS berechne. Die Probanden habe ich als Subjekte aufgenommen. Die Bedingungen als messwiederholten Faktor. Gruppe und Bedingungen habe als Faktor drin und dafür jeweils einen festen Haupteffekt angenommen, außerdem eine Interaktion zwischen beiden. Als Kovariate habe ich u.a. die Ausgangswerte unter Ruhe mit aufgenommen. Für random Effekte ist die Probandenanzahl zu gering. Ich wollte nun schauen, welcher Kovarianztyp des messwiederholten Faktors am besten auf die Daten passt und habe verschiedene Typen mit -2 Loglikelihood, AIC, IC, etc. verglichen. Ich weiß leider nicht, ob ich den Vergleich mit REML und/oder FML machen darf.

[strukturmarionette]

Hi,

- bleibt für mich immer noch unklar
- schon Pbn als Subjekte aufzunehmen ist für nicht nachvollziehbar

Gruß
S.