현재 R 패키지 lme4를 사용하고 있습니다.
임의의 효과가있는 선형 혼합 효과 모델을 사용하고 있습니다.
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 effects모델을 비교하기 위해 anova함수를 사용 하고 가장 낮은 AIC 모델에 대한 AIC의 차이점을 살펴보고 있습니다.
anova(mod1, mod2, mod3)위의 모델 비교에 적합합니다.
그러나 각 모델의 적합도를 해석하는 간단한 방법도 필요합니다. 누구든지 그러한 조치에 경험이 있습니까? 나는 약간의 연구를 해 왔으며 혼합 효과 모델의 고정 효과에 대한 R 제곱에 대한 논문이 있습니다.
- Cheng, J., Edwards, LJ, Maldonado-Molina, MM, Komro, KA, & Muller, KE (2010). 실제 사람들을위한 실제 종단 데이터 분석 : 충분한 혼합 모델 구축. 의학 통계, 29 (4), 504-520. 도 : 10.1002 / sim.3775
- Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF, & Schabenberger, O. (2008). 선형 혼합 모형의 고정 효과에 대한 R2 통계량입니다. 의학 통계, 27 (29), 6137-6157. 도 : 10.1002 / sim.3429
그러나 위의 논문에서 제안 된 것과 같은 수단의 사용에 대해서는 일부 비판이있는 것으로 보인다.
누군가 내 모델에 적용 할 수있는 몇 가지 해석하기 쉽고 적합도를 제안 할 수 있습니까?
2
나는 그 질문을 정말로 좋아하지만 고정 효과가 필요한지 여부를 결정하기 위해 우도 비율 테스트를 사용 하는 것이 권장되는 전략 이 아니라면 faq를 참조하십시오 . 따라서 위의 모델 비교에 적합 하지 않습니다 .
—
Henrik
감사합니다 Henrik. 나열된 FAQ가 매우 유용합니다. Markov 체인 Monte Carlo 샘플링이 내 모델을 비교하는 좋은 전략이 될 수 있습니다.
—
mjburns
MCMC의 문제점은 예와 같이 간단한 임의 효과 만 가질 수 있다는 것입니다. 나는 더 복잡한 모델에도 적용되기 때문에 켄 워드 로저스의 자유 도와 근사합니다.
—
Henrik
mixed()내 afex 패키지의 기능 을 살펴보십시오 ( 개발 버전에는 파라 메트릭 부트 스트랩이 있음 ). 일부 참고 자료는 여기를 참조 하십시오 .
헨릭. afex 패키지에서 mixed () 함수를 작동시킬 수있었습니다. afex를 사용하여 모델을 비교할 수있는 방법에 대해 조언 해 주시겠습니까? 한 모델이 다른 모델보다 그럴듯한 지 판단하기 위해 어떤 측정 값을 사용할 수 있습니까? 감사.
—
mjburns
이것은 쉽게 대답 할 수 없으며, 자세한 내용을 제공하는 별도의 질문을 할 수도 있습니다. 그러나 간단히 말하면, afex는 특정 효과 (또는이 효과를 포함한 더 나은 모델)가 중요한지 평가하도록 도와줍니다. 이를 위해
—
Henrik
KRmodcomppackage에서 사용 합니다 pbkrtest. KRmodcomp직접 모델을 비교 하는 데 사용할 수도 있습니다 .