Hangi testlerin hesaplandığı arasındaki fark olduğunu düşünüyorum. car::AnovaWald testleri kullanır, oysa drop1modeli tek terim bırakarak takar. John Fox bir keresinde bana şunu yazdı; Wald, olasılık oranı testleri (yani stratejisi drop1) kullanılarak yeniden doldurulmuş modellerden testler ve testler doğrusal ancak zorunlu olarak doğrusal olmayan modeller için anlaşıyor. Ne yazık ki bu posta liste dışıydı ve herhangi bir referans içermiyordu. Ancak kitabının Wald testleri hakkında istenen bilgiyi içerebilecek bir bölümü olduğunu biliyorum.
Yardım car::Anovadiyor ki:
Tip-II testleri, marjinallik ilkesine göre hesaplanır, terimin yüksek dereceli akrabalarını görmezden gelmek dışında her terimi birbiri ardına test eder; tip-III testleri denilen marjinallik ihlal eder ve modeldeki her terimi diğerlerinden sonra test eder. Tip-II testlerin bu tanımı, tüm öngörücülerin faktörler olduğu, ancak daha genel olarak olmadığı (yani, nicel tahmin ediciler olduğunda) varyans analizi modelleri için SAS tarafından üretilen testlere karşılık gelir. Modeli tip-III testleri için formüle ederken çok dikkatli olun, aksi takdirde test edilen hipotezler anlamlı olmayacaktır.
Ne yazık ki, ikinci veya üçüncü soruya da cevap veremem çünkü bunu da bilmek istiyorum.
Reagrding yorumunu güncelleyin :
Genelleştirilmiş karma modeller için Wald, LR ve F testleri yoktur. Anovasadece karışık modellere izin verir "chisq"ve "F"test eder ( "mer"geri döndürülen nesneler gibi lmer). Kullanım bölümü şunları söylüyor:
## S3 method for class 'mer'
Anova(mod, type=c("II","III", 2, 3),
test.statistic=c("chisq", "F"), vcov.=vcov(mod), singular.ok, ...)
Ancak, mernesneler için F testleri hesaplandığından pbkrtest, bilgim için sadece doğrusal karışık modeller için çalışır, AnovaGLMM'ler için her zaman geri dönmelidir chisq(dolayısıyla hiçbir fark görmezsiniz).
Soru ile ilgili güncelleme:
Benim daha önceki cevabı sadece ana soruya arasındaki farka cevap veren şekil çalıştı Anova()ve drop1(). Ama şimdi belirli sabit etkilerin önemli olup olmadığını test etmek istediğinizi anlıyorum. R-sig-karışık modelleme SSS bununla ilgili şöyle demektedir:
Tek parametrelerin testleri
En kötüsünden en iyisine:
- Wald Z testleri
- Df'nin hesaplanabildiği dengeli, iç içe LMM'ler için: Wald t testleri
- Olasılık oranı testi, ya parametrenin izole edilebileceği / düşürülebileceği şekilde (anova veya drop1 aracılığıyla) kurularak veya olasılık profilleri hesaplanarak
- MCMC veya parametrik önyükleme güven aralıkları
Etki testleri (yani birkaç parametrenin aynı anda sıfır olduğunu test etme)
En kötüsünden en iyisine:
- Wald ki-kare testleri (örn. Araba :: Anova)
- Olabilirlik oranı testi (anova veya drop1 yoluyla)
- Df'nin hesaplanabildiği dengeli, iç içe LMM'ler için: koşullu F testleri
- LMM'ler için: df düzeltmeli koşullu F testleri (örn. Pbkrtest paketinde Kenward-Roger)
- MCMC veya parametrik veya parametrik olmayan önyükleme karşılaştırmaları (gruplama faktörlerini hesaba katmak için parametrik olmayan önyükleme dikkatle uygulanmalıdır)
(vurgu eklendi)
Bu, car::Anova()GLMM'leri kullanma yaklaşımınızın genellikle önerilmediğini, ancak MCMC veya bootstrap kullanan bir yaklaşımın kullanılması gerektiğini gösterir. Eğer bilmiyorum pvals.fncdan languageRbir cami olduğunu GLMMs ile paket woks ama.