随机效应模型介绍及实例分析

一、模型定义

1.1引入

在给出模型的具体定义之前先看看下面这个案例
例：为研究家庭背景对学生成绩的影响，考虑了以下三种情形，：
1、假设学生来自A学校，为研究家庭背景对学生成绩的影响，构建了线性模型y=a+bx+u，其中y为学生成绩，a为A校学生成绩的平均水平（截距项），x为学生家庭背景（自变量），u衡量具体学生的成绩差异（随机误差）
2、假设学生来自A，B两校，构建模型y=a+cs+bx+u,s是一个二分变量，c是s的回归系数。
3、假设学生来自不同学校，学校是从全省范围内随机选取的，因为不同学校存在差别，反映在学生的平均成绩是不同的 ，这时模型需要修改为y=a+uj+bx+u（随机效应模型）,a表示学校总体的平均成绩，uj是随机变量，表示某校学生的平均成绩与全体学生的平均成绩的差值（好学校为正值，差学校为负值）
通过比较可以发现情形一、学生从A校抽取，学校是固定的，只需要考虑学生之间的差异
情形二、两个固定的学校，即考虑学生之间的差异，也要考虑学校之间的差异
情形三、学生是从全省任意选择的学校里抽取的，学校是任意的，这时我们也要考虑不同学校之间的差异，随机效应模型多了一个效应uj，uj是一个随机变量

一般来说， 究竟把一个效应看作是随机的，还是固定的，这取决于研究的目的和样品取得的方法。随机效应模型仅包括作为固定效应的截距和一组定义的随机效应

1.2模型一般形式

随机效应模型的一般形式可以写成:

{ Y = X β + Z u + ϵ E ( u ) = 0 , V a r ( u ) = Σ ϵ N ( 0 , σ 2 I n ) , 且 与 u 无 关 \begin{cases}\\Y=X{\beta}+Zu+{\epsilon}\\ \\E(u)=0, Var(u)={\Sigma}\\ \\{\epsilon}N(0,{\sigma}^2I_n),且与u无关\\ \end{cases} ⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪