首页 文章

lmer（）和anova（）之间模型适应度估计的差异[关闭]

提问于
浏览 次
3

我想使用 lmer() 模拟生物数据随时间的治疗效果，以考虑个体效应 . 通常使用的过程是通过逐步删除固定效果和交互项来构建多个模型，然后使用 anova(model1,model2) 找到最佳模型，并在找到非显着差异时保持最奇怪的模型 . 但是我在 summary(model1) 和 anova (model1,model2) 的输出之间找到了不同的模型适应值（AIC，BIC ..） . 这是代码：

#Data are in z6
m1<-lmer(Brightness~factor(FT)*factor(Time)+(1|ID),z6)
m2<-lmer(Brightness~factor(FT)+factor(Time)+(1|ID),z6)
summary(m1)@AICtab 
AIC     BIC    logLik deviance  REMLdev
2284.223 2335.65 -1128.112  2301.36 2256.223
summary(m2)@AICtab
AIC      BIC    logLik deviance  REMLdev
2298.247 2331.307 -1140.124  2302.42 2280.247
anova(m1,m2)
Data: z6
Models:
m2: Brightness ~ factor(FT) + factor(Time) + (1 | ID)
m1: Brightness ~ factor(FT) * factor(Time) + (1 | ID)
Df    AIC    BIC  logLik  Chisq Chi Df Pr(>Chisq)
m2  9 2320.4 2353.5 -1151.2                         
m1 14 2329.4 2380.8 -1150.7 1.0601      5     0.9576

比较 summary() 输出时，两个模型之间有14个AIC单位差异，但 anova() 中只有9个 . 这种差异来自哪里？提前致谢 .

r anova lme4

1 回答

  • 6

    您的模型具有不同的固定效果，因此通过REML进行拟合不适合您所显示类型的模型比较 . anova() 方法知道这一点并计算ML估计值 . summary() 方法使用REML估计值（后者在输出中清楚地表示） .

    请注意，两个摘要和 anova() 输出中的 logLik 值不同 . 前者是REML对数似然，后者是ML可能性 . 由于AIC等是对数似然的函数，这足以说明报告的AIC差异 .

    如果模型不是通过REML拟合的话， anova() 方法可以计算ML估计值，因此如果比较的模型在固定效应方面不同，那么它是正确的 .

    如果您打算在研究中部署这些方法，我强烈建议您阅读REML和ML估计及其相关优点，用途等，如果上述内容对您而言是新闻 .

    回复于

相关问题