우도 비 검정-lmer R-중첩되지 않은 모형

나는 현재 일부 작업을 검토하고 있으며 다음과 같은 문제를 겪었습니다. lmer을 사용하여 두 가지 혼합 모델이 R로 장착됩니다. 모형은 중첩되지 않으며 우도 비 검정으로 비교됩니다. 요컨대, 내가 가진 것의 재현 가능한 예는 다음과 같습니다.

set.seed(105)
Resp = rnorm(100)
A = factor(rep(1:5,each=20))
B = factor(rep(1:2,times=50))
C = rep(1:4, times=25)
m1 = lmer(Resp ~ A + (1|C), REML = TRUE)
m2 = lmer(Resp ~ B + (1|C), REML = TRUE)
anova(m1,m2)

내가 볼 수있는 한, lmer로그 가능성을 계산하는 데 사용되며 anova명령문은 일반적인 자유도를 가진 카이 제곱을 사용하여 모델 간의 차이를 테스트합니다. 이것은 나에게 맞지 않는 것 같습니다. 맞다면 누구든지 이것을 정당화하는 참조를 알고 있습니까? 시뮬레이션에 의존하는 방법 (Paper by Lewis et al., 2011)과 Vuong (1989)이 개발 한 접근 방식을 알고 있지만 이것이 여기서 생성 된 것이라고 생각하지 않습니다. 나는 그 anova진술 의 사용 이 정확 하다고 생각하지 않습니다 .

r lme4-nlme likelihood-ratio nested-models

— 아메바의 말에 따르면 복원 모니카
소스

이것은 ~~두 가지 방식으로~~ 올바르지 않습니다 .

(보통) 우도 비 검정은 중첩 모형을 비교하는 데만 사용할 수 있습니다.
~~REML 하에서는 평균 모델을 비교할 수 없습니다.~~ (여기서는 그렇지 않습니다. 아래 @KarlOveHufthammer의 의견을 참조하십시오.)

ML을 사용하는 경우, 중첩되지 않은 모델을 비교하기 위해 AIC 또는 BIC를 사용하는 것으로 알고 있습니다.

— 란델
소스

포인트 2와 관련 anova()하여 R 의 함수는 REML 하에서 적합 화 된 두 모델을 비교 하지 않습니다 . ML을 사용하여 다시 장착 한 다음 테스트를 수행합니다. lme4:::anova.merMod행을 포함 하는를 참조하십시오 mods <- lapply(mods, refitML). (하지만 anova()중첩되지 않았기 때문에 두 모델을 비교하는 데 사용할 수없는 것은 여전히 옳습니다 .)

— Karl Ove Hufthammer

또한 브라이언 리플리 (Brian Ripley)는 중첩은 AIC 비교에 필수적이며 (토론은 링크 된 문서의 20 페이지 참조) 앤더슨과 번햄 (2 페이지 참조)은 동의하지 않는다고

— 말했다

@BenBolker 모든 정규화 상수 및 비 병리학 적 모델을 고려하는 한 중첩되지 않은 모델에 AIC를 사용하는 또 다른 참조 ( this 및 this 참조 ). 그러나 LMM의 맥락 에서 AIC의 일부 수정 을 사용해야 합니다.

— LessFaceMoreBook

엉망인 링크 : stats.ox.ac.uk/~ripley/ModelChoice.pdf 가 작동해야 한다고 생각 합니다.

— Ben Bolker

@BenBolker Brian Ripley는 꽤 의견이 많습니다. 그러나 그는 중첩되지 않은 모델에 AIC를 사용하는 것에 대한 파괴적인 주장을 제공하지 않았습니다. :). 링크를 반복해서 죄송합니다.

— LessFaceMoreBook