Ben işlevi bir izlenimi lmer()de lme4paketin p-değerleri (bkz vermedi lmer, p-değerleri ve tüm bu ).
MCMC oluşturulan p değerleri yerine şu soruya göre kullanıyorum: Karışık model ve bu soruda önemli etkisilme4 : içinde paketinde gelen p-değerleri bulunamıyorlmer()lm4R .
Son zamanlarda modelimingetSummary.mer() sabit efektlerini bir csv dosyasına almak için memisc ve onun adı verilen bir paket denedim . Sanki sihirle, pMCMC p-değerlerimle son derece yakından eşleşen (ve kullanımla birlikte gelen işlem süresine maruz kalmayan) bir sütun görünür pvals.fnc().
Geçici olarak koda bir göz attım getSummary.merve p-değerini üreten hattı gördüm :
p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2
Bu, p değerlerinin lmerçalışmak yerine doğrudan çıktılarından üretilebileceği anlamına mı geliyor pvals.fnc? Bunun şüphesiz 'p-değeri fetişizmi' tartışmasını başlatacağının farkındayım ama bilmek istiyorum. Ben duymadım memisco geldiğinde önce de belirtildiği lmer.
Daha özlü olmak için: MCMC p-değerlerini tarafından üretilenlere göre kullanmanın faydası (varsa) getSummary.mer()nedir?
mcmcsamp()bir dizi sorun nedeniyle mevcut değil ( Status of mcmcsampDaha fazla ayrıntı için glmm.wikidot.com/faq adresindeki bölümü kontrol edebilirsiniz ). Şu anda, muhtemelen (parametrik?) Önyüklemenin uygulanabilir - ve uygulanması çok zor olmayan bir alternatif olduğunu hissediyorum; bootMer()functiom hizmet olabilir.
memiscp değerleri, gözlemlenen test istatistiklerinin Wald istatistikleri olarak muamele edilmesinden ( bu durumda t'nin Wald z olarak muamele edilmesi) elde edilen p-değerleridir . Böyle bir test "büyük numune" varsayımına dayanır ve bu nedenle numune boyutlarınız büyüdükçe giderek daha güvenilirdir. MCMC tabanlı değer, bildiğim kadarıyla böyle bir varsayıma dayanmıyor. Her neyse, Wald testleri ve alternatifleri hakkında biraz okumak, sorunuza daha fazla ışık tutmanıza yardımcı olabilir.
getSummary.mermemisc