nlme 혼합 효과 모델의 전체 결과를보고하는 방법

Question

패키지에서 하나의 계승 결과 lme을보고하고 싶습니다. 나는 A에 대한 전반적인 효과를 알고 싶다. 이렇게하려면 내가 널 모델로 모델을 비교하는 것이다 : 나는 다른 주요 효과 모델을 비교하고 있기 때문에 최대 가능성을 사용하고

m1 <- lme(y~A,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML") 

m0 <- lme(y~1,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML") 

. stats::anova(m0,m1)은 중요한 p 값을 제공합니다. 즉, y에 대한 A의 유의미한 효과가 있음을 의미합니다. 그러나 lme4로 만든 lmer 모델과는 달리 Chi2 값은 제공되지 않습니다. 첫째,이 접근법이 유효합니까? 두 번째 : 결과를보고하는 가장 좋은 방법은 무엇입니까? 답해 주셔서 감사합니다

Answer 1

lme의 anova는 lmer과 동일한 정보를 제공합니다. 둘 다 편차 테스트 또는 우도 비율 테스트라고하는 것을 사용합니다. Anova에 의해 반환 된 표의 L.ratio 부분은 단순히 두 모델의 loglikelihood에서 -2를 곱한 값입니다. Deviance 테스트는이 값을 Chi2 분포와 비교하여 모델 매개 변수 (사용자의 경우 1)의 차이가있는 자유도를 테스트합니다. 따라서 lme 모델의 경우 L.ratio 아래에보고 된 값은 lmer 모델에 대해보고 된 Chi2 값과 동일합니다 (모델이 동일하고, lmer이 십진수로 값을 반올림한다고 가정 할 경우).

접근법은 유효하며 자유도와 p- 값과 함께 L.ratio 아래의 값을보고 할 수 있지만 두 모델의 고정 계수와 무작위 계수 및 기타 매개 변수와 같은 더 많은 정보를 보고서에 추가합니다. 추가 한 가중치 (예 : 가중치가 지정된 가중치의 차이). REML 추정치가 적은 수의 그룹 (Snijders & Bosker, 2012)의 경우에 권장되지만 Wald 테스트보다 A의 고정 효과에만 관심이있는 경우에도 적합해야합니다. 테스트 통계는 모델 요약 출력 summary(m1)의 t- 값 및 연관된 p- 값입니다. Snijders의 제 6 장 & Bosker (2012)는 고정 및 임의 매개 변수에 대한 테스트에 대한 훌륭한 설명을 제공합니다. 보고 사례와 함께.