R의 lme4 패키지를 사용하여 혼합 효과 모델링을 살펴 보았습니다. 주로 lmer
명령을 사용하고 있으므로 해당 구문을 사용하는 코드를 통해 질문을 제기합니다. 일반적인 쉬운 질문 일 수 있다고 생각합니다 lmer
. 동일한 데이터 집합을 기반으로 가능성 비율 을 사용하여 구성된 두 모델을 비교해도 괜찮 습니까? 나는 그 대답이 "아니오"여야한다고 생각하지만, 틀릴 수 있습니다. 랜덤 효과가 동일해야하는지 아닌지에 대한 상충되는 정보를 읽었으며 그 효과의 의미는 무엇입니까? 몇 가지 예를 보여 드리겠습니다. 단어 자극을 사용하여 반복 측정 데이터에서 가져옵니다. 아마도 Baayen (2008) 과 같은 것이 해석에 유용 할 것입니다.
두 가지 고정 효과 예측 변수가있는 모델이 있다고 가정 해 보겠습니다. A와 B라고 부르고 임의의 효과는 ...인지하는 단어와 주제입니다. 다음과 같은 모델을 만들 수 있습니다.
m <- lmer( y ~ A + B + (1|words) + (1|subjects) )
(의도적으로 제외 data =
하고 REML = FALSE
명확성을 기하기 위해 항상 의미한다고 가정합니다 )
이제 다음 모델 중에서 위의 비율과 비교할 수있는 모델과 그렇지 않은 모델은 무엇입니까?
m1 <- lmer( y ~ A + B + (A+B|words) + (1|subjects) )
m2 <- lmer( y ~ A + B + (1|subjects) )
m3 <- lmer( y ~ A + B + (C|words) + (A+B|subjects) )
m4 <- lmer( y ~ A + B + (1|words) )
m5 <- lmer( y ~ A * B + (1|subjects) )
본인은 이러한 차이점 중 일부에 대한 해석이 어렵거나 불가능할 수 있음을 인정합니다. 하지만 잠시만 두겠습니다. 여기에 비교 가능성을 배제하는 근본적인 변화가 있는지 알고 싶습니다. 또한 LR이 정상인지 여부와 AIC 비교도 알고 싶습니다.