임의의 기울기를 갖는 혼합 효과 회귀 모델에 대해 MCMC 가설을 어떻게 테스트 할 수 있습니까?

라이브러리 languageR은 lmer를 사용하여 혼합 효과 회귀 모형 적합에서 고정 효과의 MCMC 유의성 검정을 수행하는 방법 (pvals.fnc)을 제공합니다. 그러나 lmer 모델에 임의의 기울기가 포함되어 있으면 pvals.fnc에서 오류가 발생합니다.

이러한 모델에 대한 MCMC 가설 검정을 수행 할 수있는 방법이 있습니까?
그렇다면 어떻게? (응답을 받으려면 R에 실례가 있어야합니다.) 그렇지 않은 경우 개념적 / 계산 이유가없는 이유는 무엇입니까?

이 질문은 이것과 관련 이 있을 수 있지만 확실하게 내용을 잘 이해하지 못했습니다.

편집 1 : pvals.fnc ()가 여전히 lme4 모델에서 '무언가'를 보여 주지만 임의의 기울기 모델에서는 아무것도하지 않음을 보여주는 개념 증명.

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)

pvals.fnc (primingHeid.lmer.rs)의 오류 : MCMC 샘플링은 lme4_0.999375에서 아직 구현되지 않았습니다.

추가 질문 : pvals.fnc가 임의 절편 모델에 대해 예상대로 수행됩니까? 출력을 신뢰해야합니까?

오류 메시지가 다양한 경사에 관한 것이 아니라 상관 된 임의 효과에 관한 것입니다. 상관되지 않은 것도 맞출 수 있습니다. 즉, 독립적 인 랜덤 효과가있는 혼합 효과 모델 :

Linear mixed model fit by REML
Formula: Reaction ~ Days + (1 | Subject) + (0 + Days | Subject)
Data: sleepstudy

에서 http://www.stat.wisc.edu/~bates/IMPS2008/lme4D.pdf

여기에 (적어도 대부분) 솔루션이 MCMCglmm있습니다.

먼저 다음과 같은 요격-분산-전용 모델을 적합시킵니다 MCMCglmm:

library(MCMCglmm)
primingHeid.MCMCglmm = MCMCglmm(fixed=RT ~ RTtoPrime * ResponseToPrime + Condition, 
                                random=~Subject+Word, data = primingHeid)

와의 사이를 비교 MCMCglmm하여 lmer먼저 해킹 된 버전을 검색합니다 arm::coefplot.

source(url("http://www.math.mcmaster.ca/bolker/R/misc/coefplot_new.R"))
  ## combine estimates of fixed effects and variance components
pp  <- as.mcmc(with(primingHeid.MCMCglmm, cbind(Sol, VCV)))
  ## extract coefficient table
cc1 <- coeftab(primingHeid.MCMCglmm,ptype=c("fixef", "vcov"))
  ## strip fixed/vcov indicators to make names match with lmer output
rownames(cc1) <- gsub("(Sol|VCV).", "", rownames(cc1))
  ## fixed effects -- v. similar
coefplot(list(cc1[1:5,], primingHeid.lmer))
  ## variance components -- quite different.  Worth further exploration?
coefplot(list(cc1[6:8,], coeftab(primingHeid.lmer, ptype="vcov")),
         xlim=c(0,0.16), cex.pts=1.5)

이제 임의의 기울기로 시도하십시오.

primingHeid.rs.MCMCglmm = MCMCglmm(fixed=RT ~ RTtoPrime * ResponseToPrime + Condition,
                                   random=~Subject+Subject:Condition+Word, 
                                   data = primingHeid)        
summary(primingHeid.rs.MCMCglmm)

이것은 일종의 "MCMC p- 값"을 제공합니다 ... 스스로 탐구하고 모든 것이 의미가 있는지 확인해야합니다 ...