J'utilise lme4 in R pour s'adapter au modèle mixte
lmer(value~status+(1|experiment)))
où la valeur est continue, le statut et l'expérience sont des facteurs, et je reçois
Linear mixed model fit by REML
Formula: value ~ status + (1 | experiment)
AIC BIC logLik deviance REMLdev
29.1 46.98 -9.548 5.911 19.1
Random effects:
Groups Name Variance Std.Dev.
experiment (Intercept) 0.065526 0.25598
Residual 0.053029 0.23028
Number of obs: 264, groups: experiment, 10
Fixed effects:
Estimate Std. Error t value
(Intercept) 2.78004 0.08448 32.91
statusD 0.20493 0.03389 6.05
statusR 0.88690 0.03583 24.76
Correlation of Fixed Effects:
(Intr) statsD
statusD -0.204
statusR -0.193 0.476
Comment puis-je savoir que l'effet du statut est significatif? R ne rapporte que des valeurs et non des valeurs p .
Réponses:
Il y a beaucoup d'informations sur ce sujet dans la FAQ GLMM . Cependant, dans votre cas particulier, je suggérerais d'utiliser
parce que vous n’avez pas besoin de tout ce que
lmer
vous proposez (vitesse supérieure, traitement des effets aléatoires croisés, GLMM, etc.).lme
devrait vous donner exactement les mêmes estimations de coefficient et de variance, mais calculera également les valeurs de df et de p pour vous (ce qui est logique dans une conception "classique" telle que vous semblez avoir). Vous pouvez également envisager le terme aléatoire~status|experiment
(en permettant une variation des effets de statut d’un bloc à l’autre ou en incluant de manière équivalente une interaction statut par expérience). Les affiches ci-dessus indiquent également que vost
statistiques sont si grandes que votre p-value sera certainement <0,05, mais je peux imaginer que vous aimeriez de "vraies" p-valeurs.la source
lmer
pourrait tout aussi bien signaler les mêmes types de valeurs p, mais pas pour des raisons valables. J'imagine que c'est le commentaire qu'il y a de "vraies" valeurs-p ici qui me dérange. Vous pourriez faire valoir que vous pouvez trouver un seuil possible et que tout seuil raisonnable est dépassé. Mais vous ne pouvez pas dire qu'il existe une vraie valeur p.summary(m1)
plutôt (je l'utilise avec nlme package)Vous pouvez utiliser le paquet lmerTest . Vous venez de l'installer / charger et les modèles Lmer sont étendus. Donc par exemple
vous donnerait des résultats avec des valeurs de p. Si les valeurs p sont la bonne indication, c'est un peu contesté, mais si vous voulez les avoir, c'est le moyen de les obtenir.
la source
Si vous pouvez gérer l'abandon des valeurs p ( et vous devriez le faire ), vous pouvez calculer un rapport de vraisemblance qui représenterait le poids de la preuve de l'effet du statut via:
la source
Le problème est que le calcul des valeurs p pour ces modèles n’est pas trivial. Voir la discussion ici afin que les auteurs du
lme4
package aient délibérément choisi de ne pas inclure les valeurs p dans la sortie. Vous pouvez trouver une méthode pour les calculer, mais elles ne seront pas nécessairement correctes.la source
Considérez ce que vous demandez. Si vous voulez simplement savoir si la valeur p globale pour l'effet de status transmet une valeur limite quelconque, telle que 0,05, alors c'est facile. Tout d'abord, vous voulez connaître l'effet global. Vous pouvez l'obtenir de
anova
.Maintenant, vous avez une valeur F. Vous pouvez prendre cela et le chercher dans certaines tables F. Il suffit de choisir le plus bas denom possible. degrés de liberté. Le seuil sera d'environ 20. Votre F peut être plus grand que cela, mais je peux me tromper. Même si ce n'est pas le cas, examinez ici le nombre de degrés de liberté d'un calcul ANOVA classique en utilisant le nombre d'expériences que vous avez. Si vous tenez compte de cette valeur, vous êtes réduit à environ 5 pour une coupure. Maintenant, vous le passez facilement dans votre étude. Le «vrai» df de votre modèle sera quelque chose de plus élevé que cela, car vous modélisez chaque point de données par opposition aux valeurs agrégées qu'une ANOVA modéliserait.
Si vous voulez réellement une valeur p exacte, il n'y a rien de tel sauf si vous êtes prêt à faire une déclaration théorique à ce sujet. Si vous lisez Pinheiro & Bates (2001, et peut-être quelques autres livres sur le sujet ... voir d'autres liens dans ces réponses) et que vous vous en sortez avec un argument pour une df spécifique, vous pouvez l'utiliser. Mais vous ne recherchez pas réellement une p-valeur exacte de toute façon. Je mentionne cela parce que vous ne devez donc pas déclarer une valeur p exacte, mais simplement que votre seuil est dépassé.
Vous devriez vraiment considérer la réponse de Mike Lawrence, car l'idée de ne conserver qu'un point de passage pour les valeurs p en tant qu'information finale et la plus importante à extraire de vos données est généralement erronée (mais peut-être pas dans votre cas puisque nous ne le faisons pas). t vraiment avoir assez d’informations pour savoir). Mike utilise une version familière du calcul de la LR qui est intéressante, mais il peut être difficile de trouver beaucoup de documentation à ce sujet. Si vous examinez la sélection et l'interprétation des modèles à l'aide de l'AIC, cela peut vous plaire.
la source
Edit: Cette méthode n'est plus prise en charge dans les nouvelles versions de lme4. Utilisez le paquet lmerTest comme suggéré dans cette réponse par pbx101 .
L'auteur de lme4 a publié un article sur la liste R expliquant pourquoi les valeurs p ne sont pas affichées. Il suggère d'utiliser des exemples MCMC à la place, à l'aide du fichier pvals.fnc du paquet languageR:
Voir http://www2.hawaii.edu/~kdrager/MixedEffectsModels.pdf pour un exemple et des détails.
la source
Voulez-vous savoir si l'effet combiné de
status
a un effet significatif survalue
? Si c'est le cas, vous pouvez utiliser laAnova
fonction dans lecar
package (à ne pas confondre avec laanova
fonction dans la baseR
).Regardez
?Anova
après le chargement ducar
paquet.la source
car::Anova()
évitez les problèmes épineux entourant le calcul des valeurs p que Michelle lie?anova
commande régulière vous donnera des F.La fonction
pvals.fnc
n'est plus supportée par lme4. En utilisant le paquetage lmerTest, il est possible d’utiliser une autre méthode pour calculer la valeur p, telle que les approximations de Kenward-Rogerla source
Le simple chargement du paquet afex imprimera les valeurs p dans la sortie de la fonction lmer à partir du paquet lme4 (vous n'avez pas besoin d'utiliser l'afex; il suffit de le charger):
Cela ajoutera automatiquement une colonne de valeur p à la sortie du lmer (votre modèle) pour les effets fixes.
la source