Misspecification test for random effects in generalized linear finite-mixture models for clustered binary and ordered data

یک جایگزین برای استفاده از اثرات تصادفی به طور معمول توزیع شده در یک مدل ترکیبی خطی تعمیم شده برای داده های خوشه ای بر اساس فرضیه های تصادفی گسسته است. این روش یک کلاس انعطاف پذیر از مدل های مخلوط محدود برای داده های چند سطحی و طولی را ایجاد می کند. بر اساس مقایسه ای بین برآوردهای حداکثر احتمال و عددی شرطی پارامترهای رگرسیون، با توجه به متغیرهای پاسخ باینری و دستورالعمل، یک آزمون غلطکی نوع عمومی هوسمن برای این مدل پیشنهاد می شود. تست ساده انجام دادن است و مخصوصا در تشخیص همبستگی احتمالی بین اثرات تصادفی و متغیرهای فردی، وضعیتی است که اغلب با تمرینکنندگان روبرو می شود و باعث اختلاف شدید می شود. این نوع وابستگی به واسطه گسترش مناسب مدلهای مخلوط محدود کلاسیک مطرح شده است. این رویکرد توسط یک سری از شبیه سازی ها و دو نمونه تجربی از زمینه های مهم کاربرد کاربردی نشان داده شده است.