我正在处理月经周期数据，我想调查携带感染是否可以预测月经前症状的发生。此外，我没有先验理由认为月经前阶段会持续 3、4 或 5 天（或更少或更多）。因此，我想将模型与变量“阶段”的不同版本进行比较，以研究当人们想要预测经前症状作为感染的线索时，与经前阶段最相关的长度是多少。
但是，对于我遇到的数据和问题，我必须使用 glmmPQL，它不计算 AIC，因此我不能使用 MuMin 和其他类似的包（我也无法获得 qAIC）。目前我已经使用 ROC 包和性能函数来比较模型，但我不确定这是一个合理的方法。下面我详细介绍了我的数据集和模型。我在网上花了很多时间试图找到一种方法来比较 glmmPQL 模型与二项式响应和时间自相关结构，但在我的情况下没有一个工作（例如比较 gls 模型，因为我的响应是二项式，比较 lmer 模型因为我的数据是自相关的）。任何帮助将不胜感激，谢谢！
数据集：每一行描述一天，并且在女性中重复这些天。在此示例中，数据仅告知 1 个月经周期。响应变量是二进制 (0,1)，固定变量“inf”（感染：是/否）和“阶段”（阶段：月经前/其他）也是如此。因为数据在时间上是自相关的（每天的症状与女性前一天出现的症状相关），我使用 glmmPQL 来包含时间自相关结构和随机效应 ID。这给出了以下模型（长度：周期长度；dcycle：周期中的天数）
# model #
library(MASS)
library(nlme)
modc.PQL<-glmmPQL(cramps~inf*phase+log(age)+log(clength), random=~1|id, correlation=corCAR1(form=~dcycle|id), family=binomial, data=data2)
# inspecting model fit #
require(ROCR)
pr <- predict(modc.PQL)
pred <- prediction(as.vector(pr), data2$cramps)
auc.perf = performance(pred, measure = "auc")
auc.perf@y.values
现在我想比较具有不同版本变量 Phase 的模型（phase4-> 月经前 4 天；phase5-> 月经前 5 天等...）
# candidate set #
modc.PQL4<-glmmPQL(cramps~inf*phase4+log(age)+log(clength), random=~1|id, correlation=corCAR1(form=~dcycle|id), family=binomial, data=data2)
modc.PQL5<-glmmPQL(cramps~inf*phase5+log(age)+log(clength), random=~1|id, correlation=corCAR1(form=~dcycle|id), family=binomial, data=data2)
modc.PQL6<-glmmPQL(cramps~inf*phase6+log(age)+log(clength), random=~1|id, correlation=corCAR1(form=~dcycle|id), family=binomial, data=data2)
modc.PQL7<-glmmPQL(cramps~inf*phase7+log(age)+log(clength), random=~1|id, correlation=corCAR1(form=~dcycle|id), family=binomial, data=data2)
# inspecting model fit model by model #
require(ROCR)
pr <- predict(modc.PQL3)
pred <- prediction(as.vector(pr), data2$cramps)
auc.perf = performance(pred, measure = "auc")
auc.perf@y.values
pr <- predict(modc.PQL4)
pred <- prediction(as.vector(pr), data2$cramps)
auc.perf = performance(pred, measure = "auc")
auc.perf@y.values
ETC...
这感觉不对，因为我没有一套标准来决定两个模型的准确性何时不同（如使用 AIC 时的 2 分规则）。因此，即使一个模型具有更好的准确度值，所有模型也可能大致等效。
最后，如果有人知道如何在 glmmPQL 上运行半范数图，请告诉我！
非常感谢
亚历克斯