He leído en el resumen de este artículo que:
"El procedimiento de máxima verosimilitud (ML) de Hartley aud Rao se modifica adaptando una transformación de Patterson y Thompson que divide la probabilidad de normalizar en dos partes, una libre de los efectos fijos. Maximizar esta parte produce lo que se llama máxima verosimilitud restringida (REML) estimadores ".
También leí en el resumen de este artículo que REML:
"tiene en cuenta la pérdida en grados de libertad resultante de la estimación de efectos fijos".
Lamentablemente no tengo acceso al texto completo de esos documentos (y probablemente no lo entendería si lo hiciera).
Además, ¿cuáles son las ventajas de REML vs. ML? ¿En qué circunstancias se puede preferir REML sobre ML (o viceversa) al ajustar un modelo de efectos mixtos? ¡Por favor, dé una explicación adecuada para alguien con antecedentes en matemáticas de secundaria (o más allá)!