Doğrusal karışık etki modelleri için yorumlanması kolay, uyum iyiliği ölçütleri nelerdir?


37

Şu anda lme4 R paketini kullanıyorum .

Rasgele efektli doğrusal karışık efekt modellerini kullanıyorum:

library(lme4)
mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects
mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + 
            # random effects
mod3 <- lmer(r1 ~ p1 + p2 + (1 | site), data = sample_set) #Two fixed effects + 
            # random effects

Modelleri karşılaştırmak için, anovaişlevi kullanıyorum ve en düşük AIC modeline göre AIC'deki farklılıklara bakıyorum:

anova(mod1, mod2, mod3)

Yukarıdaki modeller karşılaştırmak için iyidir.

Bununla birlikte, her model için uygunluk önlemlerinin iyiliğini yorumlamak için basit bir yola ihtiyacım var. Bu önlemlerle ilgili tecrübesi olan var mı? Bazı araştırmalar yaptım ve karışık efekt modellerinin sabit etkileri için R kare hakkında dergi yazıları var:

  • Cheng, J., Edwards, LJ, Maldonado-Molina, MM, Komro, KA ve Muller, KE (2010). Gerçek insanlar için gerçek uzunlamasına veri analizi: Yeterince iyi karışık bir model oluşturmak. Tıpta İstatistik, 29 (4), 504-520. doi: 10.1002 / sim.3775
  • Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF ve Schabenberger, O. (2008). Doğrusal karışık modelde sabit etkiler için bir R2 istatistiği. Tıpta İstatistik, 27 (29), 6137-6157. doi: 10.1002 / sim.3429

Bununla birlikte, yukarıdaki belgelerde önerilenler gibi önlemlerin kullanılmasını çevreleyen bir eleştiri olduğu görülüyor.

Birisi lütfen yorumlaması kolay, modellerim için geçerli olabilecek uygun tedbirlerin iyiliğini önerebilir mi?


2
Gerçekten soru gibi ben, ama sabit etkiler ihtiyaç vardır olmadığını belirlemek için olabilirlik oranı testleri kullanıyor değil önerilen strateji, bkz sss . Yani yukarıdaki modelleri karşılaştırmak için iyi değil .
Henrik

Sağol Henrik. Listelenen SSS çok faydalıdır. Markov zinciri Monte Carlo örneklemesi modelleriimi karşılaştırmak için iyi bir strateji olabilir gibi geliyor.
mjburns

1
MCMC ile ilgili sorun yalnızca basit rastgele etkilere sahip olmanız olabilir (örneğinizde olduğu gibi). Daha karmaşık modeller için de geçerli olduğu için, özgürlük derecelerine keneler-rogers yaklaşımı ile giderdim. Fonksiyonu göz at mixed()my içinde AFEX paketi ( geliştirme sürümü de parametrik ön yükleme alanı vardır ). Bazı referanslar için buraya bakınız .
Henrik

Tamam Henrik. Mixed () işlevinizi afex paketinden çalıştırmayı başardım. Modelleri karşılaştırmak için afex'i nasıl kullanabileceğimi tavsiye eder misiniz? Bir modelin diğerinden daha makul olup olmadığına karar vermek için hangi önlemleri kullanabilirim? Teşekkürler.
mjburns

Bu kolay bir şekilde cevaplanmıyor, belki daha fazla ayrıntı veren ayrı bir soru soruyorsunuz. Ancak, kısaca, afex, belirli etkilerin (veya bu etkiyi içeren daha iyi modellerin) anlamlı olup olmadığını değerlendirmenize yardımcı olmaya çalışır. Bu amaçla KRmodcomppaketten kullanır pbkrtest. KRmodcompModelleri karşılaştırmak için doğrudan kullanabilirsiniz .
Henrik

Yanıtlar:


3

Doğrusal karışık modeller için uyum ölçütünün iyiliğini yorumlaması kolay bir şey yok :)

Rastgele efekt uyumu (mod1) ICCve ICC2(rastgele etkiler tarafından hesaplanan varyans ve artık varyans arasındaki oran ) ile ölçülebilir . psikometrik R paketi, lme nesnesi oluşturmak için bunları ayıklama işlevini içerir.

R2Sabit etkiyi değerlendirmek mümkündür (mod2, mod3), ancak bu zor olabilir: İki model benzer bir R2 gösterdiğinde, birinin daha "doğru" olduğu, ancak sabit faktörü tarafından maskelendiği olabilir rastgele etkiye daha büyük bir varyans bileşeni çıkarılması. Diğer taraftan, en yüksek dereceli modelin daha büyük bir R2'sini yorumlamak kolaydır (örn. Mod3). Baayen'in karma modeller hakkındaki bölümünde , bununla ilgili hoş bir tartışma var. Ayrıca, öğretici çok açık.

Muhtemel bir çözüm, her birini variance componentbağımsız olarak ele almak ve sonra modelleri karşılaştırmak için kullanmaktır.


1
Baayen'in bölümünü söylerken atıfta bulunduğunuz referansın ne olduğunu söyleyebilir misiniz?
KH Kim

evet, referans bozuldu!
Meraklı

Bu alıntıyı buldum, o olduğundan emin değilim, ancak PDF'i hiçbir yerde bulamıyorum: BaayenR. H., Dil verilerini analiz etme: R. Cambridge kullanarak istatistiklere pratik bir giriş: Cambridge University Press, 2008. Sf. 368. ISBN-13: 978-0-521-70918-7. - Cilt 37 Sayı 2 - Grzegorz Krajewski, Danielle Matthews
Meraklı

1
Hadi beyler. Google-foo'nuz nerede? BaayenCUPstats.pdf" bir arama yapın: İlk hit: sfs.uni-tuebingen.de/~hbaayen/publications/baayenCUPstats.pdf
DWin
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.