Enc. 10 — Modelos Lineares Mistos (LMM)

statsmodels.formula.api.mixedlm · pingouin.mixed_anova()

📊 Slides

🍊 Metáfora

Imagine isso…

Dados aninhados (mensagens em sessões, sessões em estudantes) violam independência. LMM tem efeitos fixos (o efeito na população) e efeitos aleatórios (variabilidade de cada estudante/turma). Cada sujeito ganha seu próprio ponto de partida.

🎯 Para que serve

Modelar dados com estrutura hierárquica: mensagens → sessões → estudantes → turmas.

📋 Quando usar

  • ✅ Observações aninhadas em grupos.
  • ✅ Dados longitudinais com faltantes ou grupos desiguais.
  • ✅ Quando ANOVA MR não converge.
  • ❌ Comece com modelos simples (só intercepto aleatório).

🐍 Exemplo Python

🐍 Python executável no navegador via Pyodide 
 
  📚 Referências 
 
  
     
   
 referência Gelman, A., & Hill, J. (2007). Data Analysis Using Regression and Multilevel Models. 
 
 acessível Winter, B. (2019). Statistics for Linguists. Routledge. 
 
 educação Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical Linear Models (2ª ed.). 
 
 python Seabold, S., & Perktold, J. (2010). Statsmodels. SciPy Proceedings. 
  
 
 Rodrigo Prestes Machado
 CC BY 4.0 DEED