库languageR提供了一种方法(pvals.fnc),可以使用lmer在混合效果回归模型拟合中对固定效果进行MCMC重要性测试。但是,当lmer模型包含随机斜率时,pvals.fnc会给出错误。
有没有办法对此类模型进行MCMC假设检验?
如果是这样,怎么办?(要被接受,答案应该在R中有一个可行的示例)。如果没有,是否存在无法解决的概念/计算原因?
这个问题可能与此有关,但我对其中的内容了解得不够清楚。
编辑1:概念证明表明pvals.fnc()仍然对lme4模型执行“某些操作”,但对于随机斜率模型则不执行任何操作。
library(lme4)
library(languageR)
#the example from pvals.fnc
data(primingHeid)
# remove extreme outliers
primingHeid = primingHeid[primingHeid$RT < 7.1,]
# fit mixed-effects model
primingHeid.lmer = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1|Subject) + (1|Word), data = primingHeid)
mcmc = pvals.fnc(primingHeid.lmer, nsim=10000, withMCMC=TRUE)
#Subjects are in both conditions...
table(primingHeid$Subject,primingHeid$Condition)
#So I can fit a model that has a random slope of condition by participant
primingHeid.lmer.rs = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1+Condition|Subject) + (1|Word), data = primingHeid)
#However pvals.fnc fails here...
mcmc.rs = pvals.fnc(primingHeid.lmer.rs)
它说:pvals.fnc(primingHeid.lmer.rs)中的错误:对于具有随机相关参数的模型,lme4_0.999375中尚未实现MCMC采样
附加问题:对于随机拦截模型,pvals.fnc是否按预期执行?输出是否值得信任?
3
(1)我很惊讶pvals.fnc仍然可以正常工作;我以为mcmcsamp(pvals.fnc所依赖)在lme4中已经失效了一段时间了。您正在使用哪个版本的lme4?(2)从理论上讲,没有随机的斜率会破坏任何结果的概念上的原因,(3)从统计学上讲,将显着性测试与MCMC相结合有点不连贯,尽管我了解这样做的冲动(获得信任间隔更可支持)(4)此问与答之间的唯一关系是“ MCMC”(实际上是无)
—
Ben Bolker 2010年
我使用的lme4的版本取决于我所在的计算机。该控制台具有lme4_0.999375-32,但是我很少使用该控制台进行分析。几个月前,我注意到pvals.fnc()在分析后将lme4结果撕开了-当时我为此进行了工作,但似乎不再是问题。在不久的将来,我将不得不再问您第三个问题。
—
russellpierce