스플라인이있는 혼합 효과 모델

시간이 지남에 따라 추세가 곡선으로 알려진 응용 프로그램에서 스플라인 항과 혼합 효과 모델을 피팅하고 있습니다. 그러나, 내가 평가하고 싶은 것은 선형성과의 개별 편차로 인해 곡선 선형 경향이 발생하는지 또는 그룹 레벨이 곡선 레벨로 나타나게하는 그룹 레벨에서의 영향입니다. JM 패키지의 데이터 세트를 지루한 재현 가능한 예제를 제공합니다.

library(nlme)
library(JM)
data(pbc2)

fitLME1 <- lme(log(serBilir) ~ ns(year, 2), random = ~ year | id, data = pbc2)
fitLME2 <- lme(log(serBilir) ~ year, random = ~ ns(year, 2) | id, data = pbc2)

기본적으로이 중 어느 것이 내 데이터에 더 적합한 지 알고 싶습니다. 그러나 비교 anova하면 불길한 경고가 나옵니다.

        Model df      AIC      BIC    logLik   Test  L.Ratio p-value
fitLME1     1  7 3063.364 3102.364 -1524.682                        
fitLME2     2  9 2882.324 2932.472 -1432.162 1 vs 2 185.0399  <.0001
Warning message:
In anova.lme(fitLME1, fitLME2) :
  fitted objects with different fixed effects. REML comparisons are not meaningful.

이제 최대 가능성 방법을 통해 이러한 종류의 비교를 수행하는 데 어려움이 있음을 알고 있습니다. 그러나 대안은 무엇입니까?

mdewey가 말했듯이 REML 추정 방법없이 모델을 다시 장착하십시오. 경고에서 알 수 있듯이 고정 효과 구조가 다른 경우 비교는 의미가 없습니다.

다음 문제는 모델이 중첩되어 있지 않으므로 F- 검정이 의미가 없다는 것입니다. 정보 기준을 볼 수 있습니다. 둘 다 호의 fitLME2.