
【化】 stochastic effect
在統計學和計量經濟學中,隨機效應(Random Effects)指研究模型中不可觀測且服從特定概率分布的變量參數。該概念最早由Ronald Fisher于1925年提出,現廣泛應用于面闆數據分析和混合效應模型。
根據《Linear Mixed Models for Longitudinal Data》的定義,隨機效應具有三個核心特征:
與固定效應(Fixed Effects)的本質區别在于:隨機效應假設組間差異來源于總體抽樣誤差,適用于研究結論需要推廣到更大總體的情況。例如在教育研究中,若将學校視為隨機效應,則結論可外推到所有同類學校。
在實證分析中,Hausman檢驗常用于判斷應選擇固定效應還是隨機效應模型。檢驗統計量計算公式為: $$ H = (b{FE} - b{RE})'[Var(b{FE}) - Var(b{RE})]^{-1}(b{FE} - b{RE}) $$ 當p值<0.05時拒絕原假設,應選用固定效應模型。
當前主流統計軟件實現方案包括:
該理論在生物醫學(臨床試驗)、社會學(多層次分析)和計量經濟學(面闆數據建模)領域有廣泛應用,相關數學推導可參考Harville(1977)的經典論文《Maximum Likelihood Approaches to Variance Component Estimation》。
隨機效應在不同學科中的含義和應用存在差異,以下是基于多個領域的具體解釋:
核心概念
隨機效應指模型中允許個體或組間存在自然變異性的因素。例如在混合效應模型中,隨機效應用于捕捉數據中層次結構(如學生嵌套于班級)或個體間無法觀測的差異。這類效應的參數通常通過最大似然估計等方法計算,其方差反映個體間差異程度。
與固定效應的對比
發生機制
隨機性效應(Stochastic Effects)指輻射暴露後,生物效應(如癌症或遺傳損傷)的發生概率與劑量呈正相關,且不存在劑量阈值。即使極小劑量也可能引發,但嚴重程度與劑量無關。
與确定性效應的區别
統計學模型
例如混合效應模型表達式:
$$
y_{ij} = beta_0 + beta1x{ij} + uj + epsilon{ij}
$$
其中$u_j$為隨機截距,表示第$j$組的個體間變異。
輻射防護實踐
國際輻射防護委員會(ICRP)建議,針對隨機性效應需采用線性無阈模型(LNT)進行風險評估,強調劑量最小化原則。
本期營業承攬契約耷拉着轭點二甲氨乙酰吩噻嗪非晶體物質非偶聯鍵幹盤磨機合成醇會計系記錄通信離心機馬格納斯氏征玫瑰黴素磨擦音怒喝人口學的三溴蘆荟甙設計約束沈默的伸縮式吊臂十進帶鼠李糖苷術語學的斯圖爾特氏試驗酞菁綠G糖族逃稅樂園同種異基因的投擊