Zamieszanie z wartościami lmer i p: jak wartości p z pakietu memisc różnią się od wartości MCMC?

Miałem wrażenie, że funkcja lmer()w lme4pakiecie nie generowała wartości p (patrz lmerwartości p i tak dalej ).

Używam MCMC wygenerowane wartości p zamiast, jak na to pytanie: znaczący wpływ w lme4modelu mieszanym i to pytanie: nie można odnaleźć wartości p w wyjściu ze lmer()w lm4opakowaniu wR .

Ostatnio wypróbowałem pakiet o nazwie memisc i jego, getSummary.mer()aby uzyskać poprawione efekty mojego modelu do pliku csv. Jakby magicznie, ppojawia się kolumna o nazwie, która bardzo ściśle pasuje do moich wartości MCMC p (i nie cierpi z powodu czasu przetwarzania związanego z użyciem pvals.fnc()).

Wstępnie rzuciłem okiem na kod getSummary.meri zauważyłem linię, która generuje wartość p:

p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2

Czy to oznacza, że wartości p mogą być generowane bezpośrednio z lmerdanych wyjściowych, a nie z działania pvals.fnc? Zdaję sobie sprawę, że bez wątpienia rozpocznie się debata na temat fetyszyzmu o wartości p, ale jestem zainteresowany. Nie słyszałem memisco tym wcześniej, jeśli chodzi o lmer.

Mówiąc bardziej zwięźle: jaka jest korzyść (jeśli w ogóle) z zastosowania wartości p MCMC w porównaniu do wartości generowanych przez getSummary.mer()?

— Tumbledown
źródło

Jestem oryginalnym autorem getSummary.merfunkcji. Podane wartości należy traktować jedynie jako szybkie sprawdzenie. O ile pamiętam, faktycznie zawarłem tylko wartości aby działały w ramach dostarczonych przez . Ale tak naprawdę powinno to być opatrzone odpowiednim ostrzeżeniem dla użytkownika, a ja skontaktuję się z opiekunem pakietu, aby dowiedzieć się, jak to dodać. Moja rada jest następująca: Doug Bates: MCMC jest bezpiecznym zakładem (zakładając, że inni nie mają lepszych opcji).

p

$p$

p

$p$ memisc

— Jason Morgan

@JasonMorgan To wydaje mi się dość rozsądną odpowiedzią na pytanie.

— Glen_b

@JasonMorgan Zgadzam się z tym, co mówisz, ale obecnie mcmcsamp()nie jest dostępny z powodu wielu problemów ( Status of mcmcsampwięcej informacji można znaleźć w sekcji na glmm.wikidot.com/faq). Wydaje mi się, że w tej chwili prawdopodobnie (parametryczne?) Bootstrapowanie jest realną - i niezbyt trudną do wdrożenia - alternatywą; bootMer()functiom może służyć.

— usεr11852

@JasonMorgan Myślę, że kopiowanie i wklejanie byłoby w porządku, ponieważ moim zdaniem twój cenny komentarz faktycznie odpowiada na pytanie. (Jeśli jednak uważasz, że możesz nieco rozwinąć swoje wyjaśnienie, dlaczego wartości p powinny tak naprawdę być używane tylko jako szybkie sprawdzenie, a nie jako wartości p, lub kiedy bardziej prawdopodobne jest, że będą one słabymi przybliżeniami, lub dlaczego MCMC jest bezpiecznym zakładem, tym lepiej.)

— Glen_b

Jeszcze jedna uwaga techniczna / terminologiczna do PO. Wartości p otrzymane przy użyciu tej metody memiscto wartości p z traktowania obserwowanych statystyk testowych jako statystyki Walda ( w tym przypadku traktując t jako Wald z ). Taki test opiera się na założeniu, że „duża próbka” jest coraz bardziej wiarygodna w miarę zwiększania się rozmiarów próbki. Według mnie wartość oparta na MCMC nie opiera się na takim założeniu. Tak czy inaczej, przeczytanie trochę o testach Walda i alternatywach dla nich może pomóc rzucić więcej światła na twoje pytanie.

— Jake Westfall,

— Jason Morgan
źródło