我正在尝试使用 car::Anova 函数对涉及分类变量的交互项执行联合 Wald 卡方检验。
我想在对模型系数使用自举方差 - 协方差矩阵时比较结果。我对残差的正态性有些担忧，并且在考虑置换检验作为联合 Wald 卡方检验的替代方法之前，我将其作为第一步。
我发现了拟合数据的 1000 个自举重采样模型的方差协方差。问题是 car::Anova.merMod 函数似乎没有使用用户指定的方差协方差矩阵。无论我指定 vcov，我都会得到相同的结果。或不。
我在下面做了一个非常简单的例子，我尝试在 Anova() 中使用单位矩阵。我也尝试过使用更现实的自举 var-cov。
看了github上的代码，好像有一行vcov. 使用 vcov(mod) 覆盖，所以这可能是一个错误。但是我想我会看看这里是否有人遇到过这个问题，或者看看我是否犯了错误。
任何帮助都会很棒！
df1 = data.frame( y = rbeta(180,2,5), x = rnorm(180), group = letters[1:30] )
mod1 = lmer(y ~ x + (1|group), data = df1)
# Default, uses variance-covariance from the model
Anova(mod1)
# Should use user-specified varcov matrix but does not - same results as above
Anova(mod1, vcov. = diag(2))
# I'm not bootstrapping the var-cov matrix here to save space/time
ps 使用 car::linearHypothesis 适用于用户指定的 vcov，但这并不能使用类型 3 的平方和给出结果。使用多个交互项也更费力。因此，如果可能的话，我更喜欢使用 car::Anova。