我的印象是，该功能下lmer()的lme4包没有产生p值（见lmer，p值和所有）。
我一直在按以下问题使用MCMC生成的p值：混合模型中的显着效果，lme4以及以下问题：在的包中的输出中找不到p值lmer()lm4R。
最近，我尝试了一个名为memisc的程序包，并将其getSummary.mer()模型的固定效果保存到一个csv文件中。就像是魔术一样，p出现了一个名为的列，该列与我的MCMC p值非常紧密地匹配（并且不会遭受使用带来的处理时间pvals.fnc()）。
我试探了其中的代码，getSummary.mer并发现了生成p值的行：
p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2
这是否意味着可以直接从lmer输出生成p值，而不是运行pvals.fnc？我意识到这无疑将引发“ p值拜物教”辩论，但我很想知道。我没有听说过memisc，当涉及到前面提到的lmer。
更加简洁：与使用MCMC p值生成的值相比，使用MCMC p值有什么好处（如果有）getSummary.mer()？
@JasonMorgan在我看来，这是对该问题的相当合理的答案。
—
Glen_b-恢复莫妮卡
@JasonMorgan我同意您的意见，但是
—
usεr11852
mcmcsamp()由于许多问题，目前无法使用（您可以查看Status of mcmcsampglmm.wikidot.com/faq中的部分以获取更多详细信息）。我觉得目前，引导（可能是参数化）是一种可行的选择，并且实施起来不太困难。该bootMer()功能可以提供服务。
@JasonMorgan我认为复制粘贴会很好，因为在我看来，您的宝贵评论确实可以回答问题。（但是，如果您认为您可以对为何真正将p值仅用作快速检查而不是p值，或者何时更可能是较差的近似值的说明进行一点解释，或者为什么MCMC是一个安全的选择，那就更好了。）
—
Glen_b-恢复莫妮卡
给OP的另一种技术/术语说明。使用中的方法获得
—
Jake Westfall
memisc的p值是将观察到的测试统计量视为Wald统计量（在这种情况下将t作为Wald z处理）的p值。这样的测试依赖于“大样本”假设，因此随着样本数量的增加，信任度也越来越高。据我所知，基于MCMC的价值不依赖于这种假设。因此，无论如何，阅读有关Wald测试及其替代方法的一些信息可能有助于进一步阐明您的问题。
getSummary.mermemisc