Comparatively Investigation of Variance Components Estimation Methods With Monte Carlo Study

Abstract

Bu çalışmada, incelenen varyans unsuru tahmin yöntemleri dört ayrı modele gore Monte Carlo Simülasyonu ile üretilen verilerle karşılaştırılmıştır. Karşılaştırma kriteri olarak tahminlerin başlangıçta verilen parametre değerlerine yakınlığı esas alınmıştır. Çalışma, verilerin dengeli (alt grup sayıları eşit) ve dengesiz (alt grup sayıları farklı) olması halleri için ayrı ayrı incelenmiştir. Uygulama sonuçlarına göre Henderson III ve MIVQUE(0) yöntemlerinin daha sapmasız ve kararlı tahminler vermesine karşılık, negatif tahmin verme eğilimlerinin yüksek olması nedeniyle tercih edilmesini kısıtlamaktadır. Sapmalı olmakla birlikte parametre alanında tahminleme yapan ML ve REML yöntemlerinden, ML şansa bağlı modellerde, REML karışık modellerde tercih edilmelidir.

In this study, the variance component estimation methods were compared according to four different models using simulated data obtained by Monte Carlo Simulation. As comparison criteria, the closeness of estimations to the data given in the beginning was taken. This study was sperately performed for the case of being balanced and unbalanced data. According to results, although Henderson III and MIVQUE(0) gave much unbiased and consistent estimators, due to being their tendency of giving negative estimation higher, their preference were restricted. Although ML and REML methods have given estimations within the parameter space, were biased, ML Method should be preferred in the completely random models, however, REML Method should be preferred in the mixed models.