1

を使用して、混合効果モデルの正しい形式を特定しようとしていますlmer()。以下の3つのモデルはすべて同じことを達成しようとしています-単純な固定効果モデル-したがって、2つは間違っているに違いありません。

モデルにshoppersは、商業センターの個人消費に関するデータがあります。消費者が中心からどのように分布しているかを説明する一般的な逆二乗距離関係があります。これはモデルに反映されます。これはgravity、距離の影響をモデル化するために、より近い地区ゾーンをより遠くのゾーンよりも高く重み付けするマトリックスです。 Population住宅地のサイズも示されています。これは正しい形式である必要があると思いますr3が、より高いAICスコアが得られますr2。なぜこれが正しいのか、そしてどちらが正しいのか、何か考えはありますか？

> r1 <- lmer(shoppers / gravity ~ population + (1 | District), data = d)
> r2 <- lmer(shoppers * gravity ~ population + (1 | District), data = d)
> r3 <- lmer(shoppers ~ gravity / population + (1 | District), data = d)
> 
> summary(r1)@AICtab
      AIC      BIC    logLik deviance  REMLdev
 38154.25 38180.12 -19073.12 38132.84 38146.25
> summary(r2)@AICtab
      AIC     BIC    logLik deviance  REMLdev
 6504.574 6530.45 -3248.287 6470.837 6496.574
> summary(r3)@AICtab
      AIC     BIC    logLik deviance  REMLdev
 14965.16 14997.5 -7477.579 14933.57 14955.16

よろしくお願いします！

4

1 に答える 1

1

モデルshoppers ~ gravity / population + (1 | District)はshoppers従属変数として使用し、と（ ）の主効果gravityと相互作用を2つの固定効果として使用します。gravitypopulationgravity:population

model1 <- lmer(shoppers ~ gravity / population + (1 | District), data = d)

交互作用をテストする場合は、モデルに対応する主効果も含める必要があります。

gravity代わりに、単一の固定効果として除算した結果の効果をテストする場合はpopulation、次の式を使用します。

model2 <- lmer(shoppers ~ as.numeric(gravity / population) + (1 | District), data = d)

たぶんあなたはモデルを試してみたいと思うでしょうshoppers ~ gravity * population + (1 | District)。このモデルには3つの固定効果があります。gravityとpopulationとこれらの変数間の交互作用の両方の主な効果（gravity:population）：

model3 <- lmer(shoppers ~ gravity * population + (1 | District), data = d)

モデルの選択は、基礎となる理論と質問/仮説に依存する必要があります。

これらのモデルは同じ従属変数（shoppers）を使用しているため、つまり、~符号の左側が同一であるため、AIC値を比較できます。

anova(model1, model2, model3)
于 2012-09-05T15:12:35.297 に答える