İstatistik Sözlüğü → Kısıtlı en çok olabilirlik (REML)
Kısıtlı en çok olabilirlik (REML)kavram
Karma modellerde varyans bileşenlerini, sabit etkilerin kestirilmesiyle harcanan serbestlik derecelerini hesaba katarak kestiren en çok olabilirlik türü.
Sıradan en çok olabilirlik (ML), varyansları sabit etkiler biliniyormuş gibi kestirir ve bu yüzden onları sistematik olarak küçük tahmin eder; en basit örnekte ML varyansı n'ye, yansız kestirici n - 1'e böler. REML olabilirliği sabit etkilerden arındırılmış veri birleşimleri (artık karşıtlıkları) üzerinden kurar; böylece sabit etkiler için kullanılan p serbestlik derecesi hesaba katılır ve varyans bileşenlerinin kestirimi daha az yanlı olur. Dengeli desenlerde REML, klasik ANOVA kestiricileriyle aynı sonucu verir (negatif değerler dışında).
REML olabilirliği sabit etkilerin yapısına bağlıdır; bu yüzden sabit etkileri farklı olan iki modeli REML olabilirlik oranı testi, AIC ya da BIC ile karşılaştırmak geçersizdir. Bu karşılaştırmalar için modeller ML ile kestirilmelidir; yalnızca rastgele kısmı farklı olan modeller REML ile karşılaştırılabilir. Fark küçük örneklemlerde ve çok sayıda sabit etki olduğunda belirginleşir. Meta-analizde de çalışmalar arası varyans τ² için REML yaygın bir kestiricidir.
Gündelik bir örnek
Beş farklı makinenin ürettiği parçaların ağırlığı ölçülüyor ve makineler arası değişkenlik merak ediliyor. Yalnızca beş makine olduğu için genel ortalamanın kestirilmesi bilginin önemli bir kısmını harcar; ML makineler arası varyansı olduğundan küçük gösterirken REML bu kaybı dikkate alarak daha gerçekçi bir değer verir.
MerQur'da
Doğrusal Karma Modelde 'Tahmin yöntemi' (REML, ML) ve Varyans Bileşenleri Analizinde 'Tahmin yöntemi' (REML (önerilen), ML, ANOVA, MINQUE); iç içe ve çapraz karma modeller, meta-analiz, GAM ve hiyerarşik Bayesci regresyon da REML kestirimini kullanır.
Bu kavramın geçtiği analizler
Meta-AnalizDoğrusal Karma Modelİç İçe Karma ModelÇapraz Karma ModelVaryans Bileşenleri AnaliziGenelleştirilmiş Toplamsal ModelHiyerarşik Bayesci Regresyon