Я смотрел на моделирование смешанных эффектов с использованием пакета lme4 в R. Я в основном использую lmer
команду, поэтому я задам свой вопрос через код, который использует этот синтаксис. Я предполагаю, что общий простой вопрос может состоять в том, можно ли сравнивать любые две модели, построенные с lmer
использованием отношений правдоподобия на основе идентичных наборов данных? Я считаю, что ответ на этот вопрос должен быть «нет», но я могу быть неверным. Я прочитал противоречивую информацию о том, должны ли случайные эффекты быть одинаковыми или нет, и какой компонент случайных эффектов подразумевается под этим? Итак, я приведу несколько примеров. Я возьму их из данных повторных измерений, используя слово стимулы, возможно, что-то вроде Baayen (2008) будет полезно для интерпретации.
Допустим, у меня есть модель, в которой есть два предиктора с фиксированными эффектами, мы будем называть их A и B, и некоторые случайные эффекты ... слова и субъекты, которые их воспринимали. Я мог бы построить модель, как показано ниже.
m <- lmer( y ~ A + B + (1|words) + (1|subjects) )
(обратите внимание, что я намеренно пропустил, data =
и мы будем предполагать, что я всегда имею в виду REML = FALSE
для ясности)
Теперь о следующих моделях, которые можно сравнить с отношением правдоподобия к приведенному выше, а какие нет?
m1 <- lmer( y ~ A + B + (A+B|words) + (1|subjects) )
m2 <- lmer( y ~ A + B + (1|subjects) )
m3 <- lmer( y ~ A + B + (C|words) + (A+B|subjects) )
m4 <- lmer( y ~ A + B + (1|words) )
m5 <- lmer( y ~ A * B + (1|subjects) )
Я признаю, что интерпретация некоторых из этих различий может быть трудной или невозможной. Но давайте отложим это на секунду. Я просто хочу знать, есть ли в изменениях что-то фундаментальное, что исключает возможность сравнения. Я также хочу знать, если LRs в порядке, и сравнения AIC, а также.