3. Unstructured
이번에는 (t1,t2), (t1, t3), (t2,t3)간 종속변수의 공분산이 전부 다 다른 경우입니다.
4. Autoregressive
autoregressive는 시계열 분석에서 나오는 용어인데 자기상관이라고 합니다. 일종의 상관계수인데 시차간의 상관계수라 생각하시면 됩니다. 측정변수의 시차가 2이면 로우2, 시차가 3이면 로우3이 되는데 로우가 상관계수라 절대값이 1보다 작기 때문에 측정변수의 시간 간격이 커질수록 두 변수의 상관관계가 약해집니다. 어느 정도 합리적인 가정이죠. 공변량 행렬을 보면
즉, 상관(t1, t2), 상관(t2, t3)는 로우, 상관(t1, t3)는 로우^2가 됩니다. 만약에 4번까지 측정했다면 상관(t1, t4)는 로우^3가 되겠죠. 이렇게 시간 차이가 커질수록 변수의 상관관계는 점점 약해집니다.
지난 글에서도 이야기했지만 어떤 공분산 행렬이 맞는지는 각 시간별 측정변수 데이타를 만든 다음 이 변수들의 상관계수를 구해서 추측을 하는 수 밖에 없습니다. 그러나 실제 논문 쓰는 사람들이 이렇게 열심히 하는 경우는 없습니다. 그래서 혼합모형에서 주어지는 여러가지 공분산 행렬 옵션에서 이것 저것 해보다가 자기 마음에 만든 결과물이 나오면 그걸 취하는 것이죠.
원칙적으로는 이렇게 하시면 안됩니다.
5. Huynh-Feldt
이건 일반선형모형의 repeated measure 분석에서 결과물에 나오는 공분산 행렬입니다.
'통계이론 > 혼합모형공분산행렬' 카테고리의 다른 글
| 공분산행렬1:compound symmetry (0) | 2022.11.03 |
|---|