如果您愿意接受Wald测试,则应该可以:
library(lme4)
library(car)
gm1 <- glmer(cbind(incidence, size - incidence) ~ period + (1 | herd),
data = cbpp, family = binomial)
Anova(gm1,type="III")
但是,请注意(来自?Anova
):
名称“ II型”和“ III型”是从SAS借用的,但是此处使用的定义与SAS所使用的定义不完全对应。II型测验是根据边际性原则计算的,每个测验都在所有其他测验之后进行,除非忽略了该测验的高阶亲属。所谓的III型测试违反了边际性,对模型中的所有其他术语进行了测试。II型检验的定义对应于SAS针对方差分析模型进行的检验,其中所有预测因素都是因素,但不是更普遍(即,当存在定量预测因素时)。在为III型测试建立模型时要格外小心,否则测试的假设将毫无意义。
我会非常仔细地检查您的结果,以确保它们有意义!
另外,您也可以afex::mixed
通过似然比测试或参数引导程序来获得类似表;后者是最准确的,但到目前为止也是最慢的。
请参阅?pvalues
在lme4
包中GLMMs参数的情况下p值计算的更广泛的讨论。