SciELO - Scientific Electronic Library Online

 
vol.29 issue1Double Principal Components Analysis for Categorical Data and its Application to a Migration StudyA Study of the Power of Tests for Homogeneity of Variance author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Colombiana de Estadística

Print version ISSN 0120-1751

Rev.Colomb.Estad. vol.29 no.1 Bogotá Jan./June 2006

 

Estimación de información faltante, imputación y estadísticos de prueba en modelos mixtos a dos vías de clasificación

Estimation of Missing Data, Imputation and Test Statistics in Two-Way Classification Mixed Models

DIANA CAROLINA FRANCO1, OSCAR ORLANDO MELO2

1Universidad Nacional de Colombia, Departamento de Estadística, Bogotá, Profesora temporal. E-mail: dcfrancos@unal.edu.co
2Universidad Nacional de Colombia, Departamento de Estadística, Bogotá, Profesor asistente. E-mail: oomelom@unal.edu.co


Resumen

Se propone una metodología para la estimación de información faltante en modelos mixtos de medias de celda que permite la disminución de la correlaci ón entre la información observada y la información estimada, basada en el método propuesto por Melo & Melo (2005). éste se fundamenta en los métodos de estimación vía máxima verosimilitud, expuesto en Searle (1971), y de covariable, propuesto por Bartlett (1937). Después de realizar la imputaci ón de la información, se plantea una manera de llevar a cabo el análisis de varianza en modelos sin interacción, mediante pruebas ponderadas para los efectos fijos y aleatorios involucrados en el modelo.

Palabras clave: Modelo de medias de celda, modelo mixto, información faltante, estimación e imputación, distribución de formas cuadráticas.


Abstract

We propose a methodology to estimate missing information in mixed cell means models. This methodology improves on that Melo & Melo (2005), which is based on the methods of maximum likelihood estimation and covariate proposed by Bartlett (1937), and reduces the correlation between the observed and estimated information. Once the imputation of the missing information is done, we suggest a way to perform the analysis of variance in models without interaction, by generating a weighted test for the fixed and random effects involved in the model.

Key words: Cell means model, Mixed model, Missing information, Estimation and imputation, Distribution of quadratic forms.


Texto completo disponible en PDF


Referencias

1. Allan, F. & Wishart, J. (1930), "A Method of Estimating the Yield of a Missing Plot in Field Experiments", J. Agric. Sci. 20, 399–406.        [ Links ]

2. Barroso, L. P., Bussab,W. O. & Knott, M. (1998), "Best Linear Unbiased Predictor in the Mixed Model with Incomplete Data", Communications in Statistics 21, 121–129.        [ Links ]

3. Bartlett, M. S. (1937), "Some Examples of Statistical Methods of Research in Agriculture and Applied Biology", Journal of the Royal Statistical Society 4(2), 137–183.        [ Links ]

4. Corbeil, R. R. & Searle, S. R. (1976), "Restricted Maximum Likelihood (REML) Estimation of Variance Components in the Mixed Model", Technometrics 18, 31–38.        [ Links ]

5. Dodge, Y. (1985), Analysis of Experiments with Missing Data, John Wiley & Sons, New York.        [ Links ]

6. Fisher, R. A. (1935), The Design of Experiments, Oliver & Boyd, Edinburgh.        [ Links ]

7. Franco, D. C. (2005), Metodología para la estimación de información faltante, imputación y estadísticos de prueba en modelos mixtos a dos vías de clasificaci ón, Tesis de maestría, Universidad Nacional de Colombia, Departamento de Estadística, Bogotá D. C.        [ Links ]

8. Gallo, J. & Khuri, A. I. (1990), "Exact Test for the Random and Fixed Effects in an Unbalanced Mixed Two Way Cross-Classification Model", Biometrics 46, 1087–1095.        [ Links ]

9. Harville, D. A. & Carriquiry, A. L. (1992), "Classical an Bayesian Prediction as Applied to an Unbalanced Mixed Linear Model", Biometrics 48, 987–1003.        [ Links ]

10. Henderson, C. R. (1952), Estimation of Variance and Covariance Components, Cornell University. North Carolina Summer Statistics Conference.        [ Links ]

11. Hocking, R. R. (1996), Methods and Applications of Linear Models, John Wiley & Sons, New York.        [ Links ]

12. Lindstrom, M. J. & Bates, D. M. (1988), "Newton Raphson and EM Algorithms for Linear Mixed Effects Models for Repeated Measures Data", Journal of the American Statistical Association 83, 1014–1022.        [ Links ]

13. Little, R. & Rubin, D. (2002), Statistical Analysis with Missing Data, John Wiley & Sons, New York.        [ Links ]

14. Melo, O. O. & Melo, S. E. (2005), Metodología para la estimación de datos faltantes en modelos mixtos de medias de celdas, in "Modelamiento Estadístico. Memorias del XV Simposio de Estadística", Universidad Nacional de Colombia. Departamento de Estadística, Bogotá.        [ Links ]

15. Milliken, G. & Johnson, D. (1984), Analysis of Messy Data Designed Experiments, Vol. I , Van Nostrand Reinhold, New York.        [ Links ]

16. Murray, L. W. & Smith, D. W. (1985), "Estimability, Testability, and Connectedness in the Cell Means Models", Communications in Statistics 14, 1889–1917.        [ Links ]

17. Searle, S. R. (1971), Linear Models, John Wiley & Sons, New York.        [ Links ]

18. Searle, S. R., Casella, G. & McCulloch, C. (1992), Variance Components, John Wiley & Sons, New York.        [ Links ]

19. Sheffé, H. (1959), The Analysis of Variance, Wiley.        [ Links ]

20. Thomsen, I. (1975), "Testing Hyphoteses in Unbalanced Variance Components Models for Two-Way Layouts", Annals of Statistics 3, 257–265.        [ Links ]

21. Yates, F. (1933), "The Analysis of Replicate Experiments When the Field Results are Incomplete", Emp. Journ. Exp. Agric. (1).        [ Links ]

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License