Translator Disclaimer
July 2019 Empirical study of computational techniques used for parameters' estimation in multivariate linear mixed effects models
Sèwanou H. HONFO, Romain Glèlè KAKAÏ
Afr. Stat. 14(3): 2061-2098 (July 2019). DOI: 10.16929/as/2019.2061.149

Abstract

An empirical study was conducted to assess the performance of some computational techniques used in multivariate linear mixed effects models (MLMM). Performances of four computational techniques were compared based on their accuracy, relative bias, relative efficiency and computing time according to sample size, between-variables and within-subjects correlations. The accuracy, relative bias, relative efficiency and computing time in estimating MLMM parameters varied significantly according to the computational techniques, sample size and correlations. Further theoretical developments are required to improve the accuracy of the four methods in estimating variances' components.

Une étude empirique a été conduite pour évaluer la performance de certaines méthodes d'estimation utilisées pour l'ajustement des modѐles multivariés linéaires à effets mixtes (MLMM). Quatre méthodes d'estimation majeures ont été comparées sur la base de leur précision, biais relatif, efficacité relative et temps de calcul en fonction de la taille d'échantillon, et les corrélations entre variables dépendantes et entre les sujets. Les critères de performance d'estimation des paramètres des MLMMs variaient significativement suivant les méthodes d'estimation, la taile d'échantillon et les corrélations. Des études plus approfondies sont requises pour améliorer la précision des méthodes considérées à estimer les variances dues aux effets aléatoires et aux résidus du modèle.

Citation

Download Citation

Sèwanou H. HONFO. Romain Glèlè KAKAÏ. "Empirical study of computational techniques used for parameters' estimation in multivariate linear mixed effects models." Afr. Stat. 14 (3) 2061 - 2098, July 2019. https://doi.org/10.16929/as/2019.2061.149

Information

Published: July 2019
First available in Project Euclid: 13 November 2019

zbMATH: 07136630
MathSciNet: MR4030370
Digital Object Identifier: 10.16929/as/2019.2061.149

Subjects:
Primary: 81T80
Secondary: 62H12, 65Y20, 68Q25

Rights: Copyright © 2019 The Statistics and Probability African Society

JOURNAL ARTICLE
38 PAGES

This article is only available to subscribers.
It is not available for individual sale.
+ SAVE TO MY LIBRARY

SHARE
Vol.14 • No. 3 • July 2019
Back to Top