3

lmer()個々の効果を考慮に入れて、生物学的データに対する治療効果を経時的にモデル化したいと思います。通常使用される手順は、固定効果と相互作用の項を段階的に削除していくつかのモデルを構築し、anova(model1,model2)有意でない差が見つかった場合に最も偏狭なモデルを使用して維持することで最適なモデルを見つけることです。summary(model1)ただし、との出力の間に異なるモデル適合度値（AIC、BIC ..）が見つかりましたanova (model1,model2)。コードは次のとおりです。

#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

出力を比較すると、2つのモデルの間に14のAICユニットの違いがありsummary()ますが、の中には9つしかありませんanova()。この違いはどこから来るのですか？前もって感謝します。

4

1 に答える 1

6

モデルにはさまざまな固定効果があるため、REMLによるフィッティングは、表示するタイプのモデル比較には適していません。メソッドはこれanova()を認識し、ML推定値を計算します。このsummary()メソッドはREML推定値を使用します（後者は出力に明確に示されています）。

logLik2つの要約とanova()出力で値が異なることに注意してください。前者はREML対数尤度であり、後者はML尤度です。AICなどは対数尤度の関数であるため、これは報告されたAICの違いを説明するのに十分です。

このanova()方法では、モデルがREMLを介して適合されていない場合、ML推定値を計算できます。したがって、比較されたモデルの固定効果が異なる場合、この方法は正しいことを行います。

これらの方法を研究に展開する場合は、上記がニュースである場合は、REMLとMLの推定、およびそれらの相対的なメリット、使用法などを確認することを強くお勧めします。

于 2012-10-11T11:13:01.033 に答える