\[Y{i} = X_{i}\beta + Z_{i}b_{i} + \epsilon_{i}\] \[b_i \sim N(0, D)\]
\[\epsilon_i \sim N(0, \Sigma^2)\]
Hay un efecto general de X sobre Y, habitualmente es lo que se desea investigar. EFECTO FIJO.
Hay un efecto particular de la unidad de observación o sujeto sobre Y. EFECTO RANDOM.
El error ahora no tiene una simple varianza sino una matriz de varianza-covarianza \(\Sigma\).
La variable respuesta tampoco tiene una varianza sencilla sino una matriz de varianza-covarianza \(V\).
\[Y_{i} \sim N(X_i\beta, V_i)\]
Esta matriz V permite manejar el hecho de que las Y no son independientes.
Las Y provenientes de una misma unidad de observación están correlacionadas.
Las Y de distintas unidades de observación son independientes.
modelo de intercepto aleatorio
modelo de pendiente aleatoria