Modelos de efectos aleatorios

En estadística, un modelo de efectos aleatorios, también conocido como modelo

de componentes de la varianza, es una especie de modelo lineal jerárquico. Se
supone que el conjunto de datos que se analiza consiste en una jerarquía de
diferentes poblaciones cuyas diferencias se refieren a esa jerarquía.
En econometría, se utilizaron modelos de efectos aleatorios en el análisis de la
jerárquica o de datos de panel cuando se supone no hay efectos fijos (que permite
efectos individuales). El modelo de efectos aleatorios es un caso especial
del modelo de efectos fijos. En contraste esto con las definiciones bioestadísticas,
que utilizan efectos "fijos" y "al azar" para referirse, respectivamente, a los efectos
de la media de la población y de individuos específicos (donde la media de éstos
generalmente se asume como no conocida, por lo que se usan variables latentes).
Supongamos que hay m grandes escuelas primarias, las cuales son elegidas al azar de entre
las miles que hay en un país grande. Supongamos también que n alumnos de la misma edad
son elegidos al azar en cada escuela seleccionada. Sus puntuaciones en una prueba de
aptitud estándar se determinan. SeaYij la puntuación del j alumno en la i escuela. Una manera
simple para modelar las relaciones de estas cantidades es:

Donde μ es la puntuación media de prueba para toda la población. En este modelo

U i es el efecto aleatorio de la escuela específica: mide la diferencia entre la
puntuación media en la escuela i y el puntaje promedio en todo el país y que es
"aleatorio" porque la escuela ha sido seleccionada al azar de una población mayor
de escuelas. El término, W ij es el error-individuo específico. Es decir, es la
desviación de la puntuación de la j-ésima del alumno de la media de la escuela i.
De nuevo, esto es considerado como aleatorio, debido a la selección aleatoria de
los alumnos dentro de la escuela, a pesar de que es una cantidad fija para
cualquier alumno determinado.
El modelo se puede aumentar mediante la inclusión de variables explicativas
adicionales, que capten las diferencias en las puntuaciones entre los diferentes
grupos. Por ejemplo:

donde Sexo ij es la variable dummy para niños / niñas, ij raza es la variable ficticia
para los alumnos blancos / negro, y ParentsEduc ij registra el nivel promedio de
educación de los padres del niño. Se trata de un modelo mixto , no un modelo de
efectos puramente aleatorios.
La varianza de Y ij es la suma de las varianzas τ 2 y σ 2 de U y W i ij
respectivamente.
Deje

igual a la media, no de todos los resultados de la i ª escuela, pero de los que están
en la i ª escuela que se incluyen en la muestra aleatoria. Sea

ser el "gran promedio".

Sea

ser, respectivamente, la suma de cuadrados debido a las diferencias dentro de los

grupos y la suma de cuadrados debido a la diferencia entre los grupos. Entonces
se puede demostrar que:

Estos " cuadrados medios esperados "pueden ser utilizados como base para la estimación de
los "componentes de la varianza" σ 2 y τ 2.