我目前正在使用R软件包lme4。
我正在使用具有随机效果的线性混合效果模型:
library(lme4)
mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects
mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect +
# random effects
mod3 <- lmer(r1 ~ p1 + p2 + (1 | site), data = sample_set) #Two fixed effects +
# random effects
为了比较模型,我正在使用该anova
函数并查看AIC与最低AIC模型的差异:
anova(mod1, mod2, mod3)
上面是比较模型的好方法。
但是,我还需要一些简单的方法来解释每种模型的拟合度。有没有人有过此类措施的经验?我做了一些研究,关于混合效应模型的固定效应,有关于R平方的期刊论文:
- Cheng,J.,Edwards,LJ,Maldonado-Molina,MM,Komro,KA和Muller,KE(2010)。针对真实人员的真实纵向数据分析:建立足够好的混合模型。医学统计学,29(4),504-520。doi:10.1002 / sim.3775
- Edwards LJ,Muller,KE,Wolfinger,RD,Qaqish,BF和Schabenberger,O.(2008年)。线性混合模型中固定效应的R2统计量。医学统计学,27(29),6137-6157。doi:10.1002 / sim.3429
然而,似乎有人批评使用上述论文中提出的措施。
有人可以建议一些易于解释的,适合我模型的拟合度优度吗?
2
我真的很喜欢这个问题,但是建议的策略不是使用似然比检验来确定是否需要固定效应,请参见常见问题解答。因此,以上内容不适用于比较模型。
—
亨里克2012年
谢谢亨里克。您列出的常见问题解答非常有帮助。听起来马尔可夫链蒙特卡洛抽样可能是比较我的模型的好策略。
—
mjburns 2012年
MCMC的问题在于您只能具有简单的随机效果(如您的示例所示)。我会用kenward-rogers近似自由度,因为它也适用于更复杂的模型。看一下
—
亨里克2012年
mixed()
我的afex软件包中的功能(开发版本也有参数bootstrap)。请参阅此处以获取一些参考。
好,亨里克。我设法从afex包中获得了您的Mixed()函数。您能否建议我如何使用afex比较模型?我可以使用什么措施来确定一个模型是否比另一个模型更合理?谢谢。
—
mjburns 2012年
这不容易回答,也许您会问一个单独的问题以提供更多详细信息。但是,简单来说,afex会尝试帮助您评估某些效果(或包括该效果的更好模型)是否很重要。为此,它使用
—
亨里克(Henrik)
KRmodcomp
from包pbkrtest
。您也可以KRmodcomp
直接用于比较模型。