Patrzyłem na modelowanie efektów mieszanych przy użyciu pakietu lme4 w R. Używam głównie lmer
polecenia, więc zadam pytanie poprzez kod, który używa tej składni. Przypuszczam, że ogólne łatwe pytanie może być takie: czy można porównywać dowolne dwa modele zbudowane przy lmer
użyciu współczynników wiarygodności opartych na identycznych zestawach danych? Uważam, że odpowiedzią na to musi być „nie”, ale mogę się mylić. Przeczytałem sprzeczne informacje na temat tego, czy efekty losowe muszą być takie same, czy też nie, i co to oznacza? Przedstawię więc kilka przykładów. Wyciągnę je z danych z powtarzanych pomiarów za pomocą bodźców słownych, być może coś takiego jak Baayen (2008) byłoby przydatne w interpretacji.
Powiedzmy, że mam model, w którym istnieją dwa predyktory efektów stałych, nazwiemy je A i B, a niektóre efekty losowe ... słowa i podmioty, które je dostrzegły. Mógłbym zbudować model podobny do następującego.
m <- lmer( y ~ A + B + (1|words) + (1|subjects) )
(zauważ, że celowo pominąłem data =
i założymy, że zawsze mam na myśli REML = FALSE
dla jasności)
Teraz z poniższych modeli, które można porównać ze współczynnikiem prawdopodobieństwa do powyższego, a które nie?
m1 <- lmer( y ~ A + B + (A+B|words) + (1|subjects) )
m2 <- lmer( y ~ A + B + (1|subjects) )
m3 <- lmer( y ~ A + B + (C|words) + (A+B|subjects) )
m4 <- lmer( y ~ A + B + (1|words) )
m5 <- lmer( y ~ A * B + (1|subjects) )
Przyznaję, że interpretacja niektórych z tych różnic może być trudna lub niemożliwa. Ale odłóżmy to na chwilę. Chcę tylko wiedzieć, czy w tych zmianach jest coś fundamentalnego, co wyklucza możliwość porównania. Chcę również wiedzieć, czy, jeśli LR są w porządku, a także porównania AIC.