线性混合效应模型有哪些易于解释的拟合度优度?


37

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

1
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
亨里克2012年

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KRmodcompfrom包pbkrtest。您也可以KRmodcomp直接用于比较模型。
亨里克(Henrik)

Answers:


3

没有什么比线性混合模型容易解释拟合优度好了:)

随机效应拟合(mod1)可以通过ICCICC2(由随机效应引起的方差与残余方差之间的比值)来衡量。心理测量 R包包括一个将其提取为lme对象的功能。

可以使用它R2来评估固定效果(mod2,mod3),但这可能很棘手:当两个模型显示相似的R2时,可能会出现一个“更准确”但被其固定因子掩盖的情况“在随机效应中减去“较大的方差分量”。另一方面,很容易解释最高阶模型(例如mod3)的较大R2。在Baayen 关于混合模型的章节中,对此进行了很好的讨论。另外,它的教程非常清晰。

一个可能的解决方案是variance component独立考虑每个模型,然后使用它们来比较模型。


1
您能告诉我们您说Baayen的章节时指的是什么?
KH Kim

是的,参考已损坏!
好奇

我已经找到了这个引文,不确定是不是这样,但是无法在任何地方获取PDF:BaayenR。H.,《分析语言数据:使用R. Cambridge的统计学实用介绍》:剑桥大学出版社,2008年。368. ISBN-13:978-0-521-70918-7。-第37卷第2期-Grzegorz Krajewski,Danielle Matthews
好奇的

1
拜托了伙计们。您的google-foo在哪里?在“ baayenCUPstats.pdf:第一击: sfs.uni-tuebingen.de/~hbaayen/publications/baayenCUPstats.pdf
DWin
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.