Ne sorduğunu düşün. Durumun etkisinin toplam p değerinin 0.05 gibi bir çeşit keyfi kesme değerinden geçtiğini bilmek istiyorsanız, o zaman bu kolaydır. İlk olarak, genel etkiyi bulmak istersiniz. Bunu alabilirsin anova
.
m <- lmer(...) #just run your lmer command but save the model
anova(m)
Şimdi bir F değerine sahipsiniz . Bunu alabilir ve bazı F tablolarına bakabilirsiniz . Sadece mümkün olan en düşük olanı seçin. özgürlük derecesi. Kesinti 20 civarında olacak. Sizin F'niz bundan daha büyük olabilir ama yanılıyor olabilirim. Olmasa bile, burada yaptığınız deney sayısını kullanarak konvansiyonel bir ANOVA hesabından serbestlik derecelerine bakın. Bu değeri bir kesme için yaklaşık 5'e düşürürsünüz. Şimdi çalışmana kolayca geçiyorsun. Modeliniz için 'true' df bundan daha yüksek bir şey olacaktır, çünkü her veri noktasını bir ANOVA'nın modelleyeceği toplam değerlerin aksine modelleniyorsunuz.
Eğer gerçekten tam bir p değeri istiyorsanız, bunun hakkında teorik bir açıklama yapmaya istekli olmadığınız sürece böyle bir şey yoktur. Pinheiro & Bates (2001 ve belki de konuyla ilgili bazı kitaplar) okursanız ... bu cevaplardaki diğer bağlantılara bakın) ve belirli bir df için bir argümanla ortaya çıkarsanız, o zaman bunu kullanabilirsiniz. Ama zaten zaten kesin bir p değeri aramıyorsunuz. Bundan bahsediyorum çünkü bu nedenle kesin bir p-değeri bildirmemeniz gerekir, yalnızca sizin onayınız geçilir.
Mike Lawrence'ın cevabını gerçekten göz önünde bulundurmalısınız çünkü p-değerleri için sadece bir geçiş noktası ile yapıştırma fikri, verilerinizden çıkarmanın en son ve en önemli bilgileri olarak genellikle yanlış yönlendirilmiştir (ancak sizin durumunuzda olmayabilir. Gerçekten bilmek için yeterli bilgiye sahip değilsiniz). Mike, ilginç bir LR hesaplaması sürümü kullanıyor, ancak üzerinde çok fazla dokümantasyon bulmak zor olabilir. AIC kullanarak model seçimine ve yorumlamaya bakarsanız, beğenebilirsiniz.