On Some Tests of Fixed Effects for Linear Mixed Models

• Autorzy: Małgorzata Krzciuk , Tomasz Żądło
• Języki publikacji: EN

Abstrakty

EN

In the paper, we consider the problem of testing significance of fixed effects in the class of general linear mixed models. The problem is important especially when the assumption of normality of random effects and random components is not met what is typical for economic applications. In the Monte Carlo simulation studies we compare properties of classic and permutation tests. (original abstract)

Słowa kluczowe

EN

Monte Carlo method; Mathematical models; Statistical methods

PL

Metoda Monte Carlo; Modele matematyczne; Metody statystyczne

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2014
• Numer: nr 189 Metody wnioskowania statystycznego w badaniach ekonomicznych
• Strony: 49--57

Twórcy

autor

Małgorzata Krzciuk

• University of Economics in Katowice, Poland

autor

Tomasz Żądło

• University of Economics in Katowice, Poland

Bibliografia

• Biecek P. (2012), Analiza danych z programem R. Modele liniowe z efektami stałymi, losowymi i mieszanymi, WN PWN, Warszawa.
• Domański Cz., Jędrzejczak A. (2003), O teście zgodności χ2dla prób nieprostych, [w:] Metoda reprezentacyjna w badaniach ekonomiczno-społecznych, Wydawnictwo Akademii Ekonomicznej, Katowice, pp. 27-36.
• Frątczak E., red. (2012), Zaawansowane metody analiz statystycznych, Szkoła Główna Handlowa - Oficyna Wydawnicza, Warszawa.
• Gamrot W. (2013), On Exact Computation of Minimum Sample Size for Restricted Estimation of a Binomial Parameter, "Journal of Statistical Planning and Inference", Vol. 143, pp. 852-866.
• Kończak G. (2010), The Moving Average Control Chart Based on the Sequence of Permutation Tests, [in:] Proceedings in Computational Statistics 2010, ed. Y. Lechevallier, G. Saporta, Physica-Verlag, Berlin Heilderberg, pp. 1199-1206.
• Kończak G. (2012), On Testing Multi-directional Hypotheses in Categorical Data Analysis, [in:] Proceedings of COMPSTAT 2012, ed. A. Colubi, E.J. Kontoghiorghes, K. Pokianos, G. Gonzalez-Rodriguez, pp. 427-436.
• Krzciuk, M., Mierzwa M. and Wywiał J. (2013), Symulacyjne badanie szybkości zbieżności rozkładu statystyk do rozkładu normalnego, "Śląski Przegląd Statystyczny" nr 11 (17), pp. 201-208.
• Littell R.C. et al. (2012), SAS for Mixed Models, SAS Institute. Cary, NC.
• Maddala G.S. (2006), Ekonometria, WN PWN, Warszawa.
• Moore D.S., McCabe G.P. (2005), Introduction to the Practice of Statistics, W.H. Freeman, New York.
• Pinheiro J.C., Bates D.M. (2000), Mixed-Effects Models in S and S-PLUS, Springer Verlag, New York.
• R Development Core Team (2013), A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna.
• Rao J.N.K. (2003), Small Area Estimation, John Wiley & Sons, New Jersey.
• Särndal C.E., Swensson B., Wretman J. (1992), Model Assisted Survey Sampling, Springer Verlag, New York.
• Satterthwaite F.E. (1946), An Approximate Distribution of Estimates of Variance Components, "Biometrics Bulletin", Vol. 2, No. 6, pp. 110-114.
• Verbeke G., Molenberghs G. (2000), Linear Mixed Models for Longitudinal Data, Springer Verlag, New York.
• Wolfinger R. (1993), Covariance Structure Selection in General Mixed Models, "Communications in Statistics - Simulation and Computation", Vol. 22, pp. 1079-1106.
• Wolny-Dominiak A. (2011), Analiza porównawcza modeli mieszanych szacowania stóp taryf w ubezpieczeniach majątkowych z wykorzystaniem kroswalidacji, Wydawnictwo Uniwersytetu Ekonomicznego, Wrocław, pp. 229-237.