Test współczynnika wiarygodności - lmer R - Modele nie zagnieżdżone

Obecnie sprawdzam niektóre prace i natknąłem się na następujące, co wydaje mi się błędne. Dwa mieszane modele są montowane (w R) za pomocą lmera. Modele nie są zagnieżdżone i są porównywane za pomocą testów współczynnika wiarygodności. Krótko mówiąc, oto powtarzalny przykład tego, co mam:

set.seed(105)
Resp = rnorm(100)
A = factor(rep(1:5,each=20))
B = factor(rep(1:2,times=50))
C = rep(1:4, times=25)
m1 = lmer(Resp ~ A + (1|C), REML = TRUE)
m2 = lmer(Resp ~ B + (1|C), REML = TRUE)
anova(m1,m2)

O ile widzę, lmersłuży do obliczania prawdopodobieństwa logarytmicznego, a anovastwierdzenie testuje różnicę między modelami za pomocą chi-kwadrat o zwykłych stopniach swobody. Nie wydaje mi się to poprawne. Jeśli jest to poprawne, to czy ktoś zna jakieś odniesienia, które to uzasadniają? Znam metody oparte na symulacjach (Paper Lewis i in., 2011) oraz podejście opracowane przez Vuonga (1989), ale nie sądzę, że to właśnie tutaj powstaje. Nie sądzę, aby użycie tego anovaoświadczenia było prawidłowe.

Nie jest to poprawne na dwa sposoby :

1. (Zwykły) test współczynnika wiarygodności można stosować wyłącznie do porównywania modeli zagnieżdżonych;
2. Nie możemy porównywać średnich modeli w ramach REML. (Nie jest tak w tym przypadku, patrz komentarze @ KarlOveHufthammer poniżej.)

W przypadku korzystania z ML wiem, że używam AIC lub BIC do porównywania nie zagnieżdżonych modeli.