AFRIKA STATISTIKA

Théorie des Probabilités et Statistiques Mathématiques
et domaines connexes



Journal contents / Contenu du Journal

Volume 14, Numéro 3, Année 2019

Sèwanou H. HONFO,Romain Glélé KAKAI,
Empirical study of computational techniques used for parameters' estimation in multivariate linear mixed effects models, pp. 2061-2098
DOI : http://dx.doi.org/10.16929/as/2019.2061.149
ABSTRACT
ENGLISH 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.

FRANCAIS Une étude empirique a été conduite pour évaluer la performance de certaines méthodes d'estimation utilisées pour l'ajustement des mod\`eles 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.
Citer cet article
Sèwanou H. HONFO,Romain Glélé KAKAI, (2019). Empirical study of computational techniques used for parameters' estimation in multivariate linear mixed effects models. Afrika Statistika . Volume 14(3), pp 2061-2098
Doi : http://dx.doi.org/10.16929/as/2019.2061.149













JAS
JAS



ok