Різниця між граничними та умовними моделями

Гранична модель враховує кореляції всередині кожного кластера. Умовна модель також враховує кореляцію в межах кожного кластера.

Мої запитання:

1. Чи маргінальна модель моделює основні ефекти для всієї сукупності, тоді як умовна модель моделює основні ефекти в кластері та в цілій популяції?
2. Інтерпретація коефіцієнтів граничної моделі в основному така ж, як "звичайна модель". А як щодо коефіцієнтів умовної моделі?

Так, інтерпретації досить схожі на "звичайні моделі", і головна відмінність між ними полягає в тому, чи порівнюєте ви спостереження в межах одного кластеру або в усіх кластерах.

У типовій умовної моделі - також відомій як умовно задана модель або змішана модель - коефіцієнти мають специфічні для кластера інтерпретації. Коефіцієнти коваріату - це міра різниці середньої реакції в одному кластері, при спостереженнях, за якими питомі коваріати відрізняються на одну одиницю, а всі інші коваріати однакові. Залежно від функції зв'язку, "міра різниці" може бути різницею, або коефіцієнтом журналу, або коефіцієнтом коефіцієнта журналу. Виняток становить перехоплення, яке не описує різницю, а натомість дає середню відповідь у спостереженнях, для яких всі коваріати та випадкові ефекти (и) дорівнюють нулю.

У граничній моделі коефіцієнти мають інтерпретацію в середньому за кількістю населення. За винятком перехоплення, коефіцієнти описують різницю середньої реакції, але тепер у всіх спостереженнях (а отже, і в усіх кластерах). Коефіцієнт коваріату - це різниця середнього коефіцієнта відгуку (або коефіцієнта коефіцієнта log та ін.) На одиницю різниці цього коваріату, в спостереженнях для якого всі інші коріаріати однакові. Зауважте, що це визначення є агностичним щодо того, чи є порівняння в одному кластері чи ні.