3

我想对生物数据随时间的治疗效果进行建模，lmer()以考虑个体效果。通常使用的过程是通过逐步删除固定效应和交互项来构建多个模型，然后在anova(model1,model2)发现不显着差异时使用并保留最简约的模型找到最佳模型。但是，我在summary(model1)和的输出之间发现了不同的模型适应度值（AIC、BIC ..） anova (model1,model2)。这是代码：

#Data are in z6
m1<-lmer(Brightness~factor(FT)*factor(Time)+(1|ID),z6)
m2<-lmer(Brightness~factor(FT)+factor(Time)+(1|ID),z6)
summary(m1)@AICtab 
AIC     BIC    logLik deviance  REMLdev
2284.223 2335.65 -1128.112  2301.36 2256.223
summary(m2)@AICtab
AIC      BIC    logLik deviance  REMLdev
2298.247 2331.307 -1140.124  2302.42 2280.247
anova(m1,m2)
Data: z6
Models:
m2: Brightness ~ factor(FT) + factor(Time) + (1 | ID)
m1: Brightness ~ factor(FT) * factor(Time) + (1 | ID)
Df    AIC    BIC  logLik  Chisq Chi Df Pr(>Chisq)
m2  9 2320.4 2353.5 -1151.2                         
m1 14 2329.4 2380.8 -1150.7 1.0601      5     0.9576

比较输出时，两个模型之间有 14 个 AIC 单位差异，summary()但在anova(). 这种差异从何而来？提前致谢。

4

1 回答 1

6

您的模型具有不同的固定效果，因此通过 REML 拟合不适用于您显示的类型的模型比较。该anova()方法知道这一点并计算 ML 估计。该summary()方法使用 REML 估计（后者在输出中明确指出）。

请注意，两个摘要和输出logLik中的值不同。anova()前者是 REML 对数似然，后者是 ML 似然。由于 AIC 等是对数似然的函数，这足以说明报告的 AIC 差异。

anova()如果模型没有通过 REML 拟合，该方法可以计算 ML 估计值，因此如果比较的模型在其固定效应方面存在差异，则该方法会做正确的事情。

如果你打算在你的研究中部署这些方法，我强烈建议你阅读 REML 和 ML 估计及其相对优点、用途等，如果以上对你来说是新闻的话。

于 2012-10-11T11:13:01.033 回答