Lokale Lösungen bei der Schätzung von Wachstums-Mischmodellen.

Endliche Mischmodelle sind dafür bekannt, dass sie schlecht definierte Likelihood-Funktionen mit Singularitäten und mehreren Optima aufweisen. Wachstums-Mischmodelle könnten weniger unter diesen Problemen leiden und potenziell von der Struktur profitieren, die durch das spezifizierte Wachstumsmodell auf die geschätzten Klassenmittelwerte und -kovarianzen ausgeübt wird. Wie hier gezeigt wird, können jedoch lokale Lösungen weiterhin problematisch sein. Ergebnisse aus einer empirischen Fallstudie und einer kleinen Monte-Carlo-Simulation zeigen, dass die unzureichende Berücksichtigung der möglichen Präsenz lokaler Optima bei der Schätzung eines Wachstums-Mischmodells in manchen Fällen schwerwiegende Folgen haben kann, was möglicherweise zur Annahme einer minderwertigen Lösung führen könnte, die sich auf substanziell wichtige Weise von der tatsächlichen Maximum-Likelihood-Lösung unterscheidet. Oft müssen die Voreinstellungen der aktuellen Software überschrieben werden, um den Parameterraum gründlich zu bewerten und Vertrauen zu gewinnen, dass die Maximum-Likelihood-Lösung tatsächlich erzielt wurde.