REPAIR：为含随机效应的回归提供预测值校正方法

多层模型中的随机效应预测值常被用于将过程（如成长或应激反应性）的个体差异与其他变量联系起来。然而，使用这些预测值进行回归可能会扭曲回归系数和标准误，因为这些预测值将收缩与抽样误差结合在一起。在此，我们引入并评估用于回归推断的随机效应预测校正（REPAIR），这是一个涉及随机效应的线性回归的两步框架。对于线性高斯多层模型，REPAIR通过广义最小二乘法获得仅基于似然的预测值。随后，一个正则化矩估计法估计器利用估计的簇特定抽样误差协方差来校正结构矩。四项模拟研究考察了随机效应作为预测变量、结果变量或两者兼有的情况，包括簇大小不等的情形。REPAIR在中高预测变量信度下通常表现出较小偏差，并且其均方根误差往往低于替代方法。低预测变量信度仍然具有挑战性，尤其是在小样本中的置信区间覆盖率方面。这些发现支持将REPAIR作为一个实用框架，用于估计涉及随机效应的结构关系，同时考虑其测量不确定性。

中文由 AI 翻译，仅供参考，以原文为准。