私は DV (従属変数) として一定の値を持っており、BMI が DV に与える影響に興味があります。DV について複数の観察結果がある (つまり、すべての被験者が 5 回応答する) ため、混合モデル (各 ID の反復測定) を当てはめたいと考えました。
だから私がしたことは:
Bodo Winters チュートリアルを使用して、複雑なモデルと単純なモデルの違いを計算します。
使用する
lmerTest
さて、結果は大きく異なり、その理由はわかりません。
m1 <- lmer(value ~ BMI + Dummy + (1|ID), data=data) m2 <- lmer( value ~ BMI + (1|ID), data=data) anova(m1, m2)
ここで、私の結果は非常に重要です
require(lmerTest) m3<-lmer(value ~ BMI + (1|ID), data=data) anova(m3)
ここで、私の結果はまったく重要ではありません。申し訳ありませんが、再現可能な例を提供できません。この不一致は BMI 効果でのみ発生し、関心のある他の効果では発生しません. だから今、私は疑問に思っています: なぜ何か提案がありますか? どこかで間違いを犯したのでしょうか?
ここに私が得る出力があります
> m1 <- lmer(value ~ BMI + (1|ID), data=data, REML=FALSE)
> m2 <- lmer(value ~ 1 + (1|ID), data=data, REML=FALSE)
> anova(m1, m2)
Data: data
Models:
..1:value ~ 1 + (1 | ID)
object: value ~ BMI + (1 | ID)
Df AIC BIC logLik deviance Chisq Chi Df Pr(>Chisq)
..1 3 2188.1 2201.0 -1091.1 2182.1
object 4 2149.4 2166.6 -1070.7 2141.4 40.687 1 1.787e-10 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
と
anova(lmer(value ~ BMI + (1|ID), data=data, REML=FALSE))
Analysis of Variance Table of type 3 with Satterthwaite
approximation for degrees of freedom
Sum Sq Mean Sq NumDF DenDF F.value Pr(>F)
BMI 0.17868 0.17868 1 110 0.059873 0.8072