Des effets aléatoires et les effets fixes sont des termes utilisés dans la modélisation statistique. Le contraste entre les provoque beaucoup de confusion. Des effets aléatoires et fixes proviennent dans le plan du plan et de l'analyse des données et l'échantillonnage doivent être traitées différemment dans l'analyse statistique. Parfois, un modèle statistique comprend à la fois des effets aléatoires et fixes; cela nécessite un type de modèle qui a beaucoup de noms, y compris modèle mixte et le modèle hiérarchique.
Distinguer entre aléatoire et effets fixes
Peut-être la façon la plus simple de faire la distinction entre les effets aléatoires et fixes est d'imaginer faire la même étude à nouveau. Souhaitez-vous avoir les mêmes niveaux sur la variable en question? Si oui, il est un effet fixe. Si non, il est un effet aléatoire. Une autre façon de distinguer fixe vs aléatoire est de se demander si ces niveaux peuvent être considérés comme un échantillon aléatoire d'une population plus importante. Si oui, il est un effet aléatoire; sinon, il est un effet fixe. Une autre façon est de demander si vous êtes intéressés par ces niveaux particuliers ou si ce sont juste les niveaux vous arrivé à obtenir dans cette étude.
Exemple de Distinguer aléatoire et effets fixes
Par exemple, si vous étiez en train d'étudier si les professeurs masculins ou féminins ont donné des grades supérieurs, alors le sexe serait un effet fixe (parce que vous auriez toujours sonder les hommes et les femmes); mais, professeur serait un effet aléatoire, parce que si vous avez fait à nouveau l'étude, vous sonder différents professeurs. Ces professeurs sont un échantillon aléatoire de tous les professeurs, et vous n'êtes pas intéressé par ces professeurs particuliers. D'autre part, si vous étiez étudiant qui les professeurs de votre département à votre école étaient les conférenciers les plus clairs, alors professeur serait un effet fixe, parce que si vous avez fait à nouveau l'étude, vous sonder les mêmes professeurs. Ces professeurs ne sont pas un échantillon aléatoire, et vous êtes intéressé par ces professeurs particuliers.
Implications pour l'analyse: Effets vs. aléatoire fixes
Si le professeur est un effet aléatoire, alors nous pensons à chaque professeur comme ayant une conversation interceptée, et la variation à propos de cette conversation interceptée devient partie du terme d'erreur. Nous ne sommes pas intéressés à savoir si le professeur Bob Smith donne de meilleures notes que le professeur Mary Jones, nous sommes intéressés à savoir si les hommes donnent de meilleures notes que les femmes. Toutefois, lorsque le professeur est un effet fixe, nous estimons un paramètre de régression pour chaque professeur, parce que nous sommes intéressés à qui les professeurs de notre département sont mieux ou pire. En bref, les effets aléatoires font partie de l'interception, et les effets fixes deviennent des paramètres.
Analyse de Random et effets fixes
Lorsque vous avez des effets aléatoires et fixes sur la même variable, les choses deviennent plus complexes. Un exemple de ceci est répété les mesures dans le temps. Par exemple, si vous avez mesuré les notes de chacun des professeurs plusieurs fois, mais étiez intéressé à comparer les hommes aux femmes, alors que le professeur serait à la fois fixe (parce que vous regardez à chaque professeur plus d'une fois) et aléatoire (parce que vous n'êtes pas intéressé par ces professeurs particuliers). Dans ce cas, la meilleure approche est un modèle mixte (également connu sous le nom des modèles hiérarchiques et des modèles multi-niveaux), qui combinent des effets aléatoires et fixes.