Ein erster Schritt zu einer einheitlichen Theorie reich parametrisierter linearer Modelle Die Verwendung gemischter linearer Modelle zur Datenanalyse führt oft zu Ergebnissen, die mysteriös, unbequem oder falsch sind. Erschwerend kommt hinzu, dass den Statistikern eine kohärente Ressource fehlt, um ein systematisches, theoriebasiertes Verständnis von Modellen mit zufälligen Effekten zu erlangen. Reichhaltig parametrisierte lineare Modelle: Additive Zeitreihen und räumliche Modelle unter Verwendung von Zufallseffekten ist ein erster Schritt zur Entwicklung einer vollständigen Theorie umfangreich parametrisierter Modelle, die es Statistikern ermöglichen würde, ihre Analyseergebnisse besser zu verstehen. Der Autor untersucht, was über gemischte lineare Modelle bekannt und unbekannt ist, und zeigt Forschungsmöglichkeiten auf. Die ersten beiden Teile des Buches behandeln eine bestehende Syntax zur Vereinheitlichung von Modellen mit zufälligen Effekten. Der Text erklärt, wie reichhaltig parametrisierte Modelle als gemischte lineare Modelle ausgedrückt und mit konventionellen und Bayes'schen Methoden analysiert werden können. In den letzten beiden Teilen diskutiert der Autor Merkwürdigkeiten, die bei der Analyse von Daten mit diesen Modellen auftreten können. Er zeigt Möglichkeiten auf, wie Probleme erkannt werden können und wie sie nach Möglichkeit gemildert oder vermieden werden können. Das Buch adaptiert Ideen aus der Theorie des linearen Modells und geht dann über diese Theorie hinaus, indem es die Informationen in den Daten über die Kovarianzmatrizen des gemischten linearen Modells untersucht. Jedes Kapitel endet mit zwei Übungen. Konventionelle Probleme regen zum Üben mit den algebraischen Methoden an und offene Fragen motivieren zum weiteren Recherchieren. Unterstützende Materialien, einschließlich Datensätze für die meisten der analysierten Beispiele, sind auf der Website des Autors verfügbar. . Sprache: Englisch