Je voudrais obtenir une valeur de p et une taille d'effet d'une variable catégorielle indépendante (avec plusieurs niveaux) - c'est-à-dire "global" et pas pour chaque niveau séparément, tout comme la sortie normale de lme4
dans R. C'est comme la chose que les gens rapportent lorsqu'ils exécutent une ANOVA.
Comment puis-je l'obtenir?
r
hypothesis-testing
anova
mixed-model
lme4-nlme
user3288202
la source
la source
anova()
fonction pour obtenir une table anova avec des modèles mixtes linéaires comme avec les modèles linéaires.lme4
Réponses:
Les deux concepts que vous mentionnez (valeurs de p et tailles d'effet des modèles mixtes linéaires) ont des problèmes inhérents. En ce qui concerne la taille de l'effet , citant Doug Bates, l'auteur original de
lme4
,Pour plus d'informations, vous pouvez consulter ce fil , ce fil et ce message . Fondamentalement, le problème est qu'il n'y a pas de méthode convenue pour l'inclusion et la décomposition de la variance des effets aléatoires dans le modèle. Cependant, quelques normes sont utilisées. Si vous jetez un œil à la liste de diffusion Wiki configurée pour / par la liste de diffusion r-sig-mixed-models , deux approches sont répertoriées.
L'une des méthodes suggérées examine la corrélation entre les valeurs ajustées et observées. Cela peut être implémenté dans R comme suggéré par Jarrett Byrnes dans l'un de ces threads:
Par exemple, supposons que nous estimons le modèle mixte linéaire suivant:
Nous pouvons calculer la taille de l'effet en utilisant la fonction définie ci-dessus:
En ce qui concerne les valeurs p , c'est une question beaucoup plus litigieuse (au moins dans la communauté R /
lme4
). Voir les discussions dans les questions ici , ici et ici parmi beaucoup d'autres. En référençant à nouveau la page Wiki, il existe quelques approches pour tester des hypothèses sur les effets dans des modèles mixtes linéaires. Répertorié du "pire au meilleur" (selon les auteurs de la page Wiki qui comprend, je crois, Doug Bates ainsi que Ben Bolker qui y contribue beaucoup):anova
oudrop1
), soit en calculant des profils de vraisemblanceIls recommandent l'approche d'échantillonnage Monte Carlo de la chaîne de Markov et énumèrent également un certain nombre de possibilités de mise en œuvre à partir d'approches pseudo et entièrement bayésiennes, énumérées ci-dessous.
Pseudo-bayésien:
mcmcsamp
(si disponible pour votre problème: c'est-à-dire LMM avec des effets aléatoires simples - pas des GLMM ou des effets aléatoires complexes)Via
pvals.fnc
dans lelanguageR
package, un wrapper pourmcmcsamp
)glmmADMB
package (utilisez l'mcmc=TRUE
option) ou leR2admb
package (écrivez votre propre définition de modèle dans AD Model Builder), ou en dehors de Rsim
fonction duarm
package (simule le postérieur uniquement pour les coefficients bêta (à effet fixe)Approches entièrement bayésiennes:
MCMCglmm
packageglmmBUGS
(d'une interface wrapper / R WinBUGS )rjags
/r2jags
/R2WinBUGS
/BRugs
À des fins d'illustration pour montrer à quoi cela pourrait ressembler, ci-dessous est une
MCMCglmm
estimation en utilisant leMCMCglmm
package qui, vous verrez, donne des résultats similaires au modèle ci-dessus et a une sorte de valeurs p bayésiennes:J'espère que cela aide quelque peu. Je pense que le meilleur conseil pour quelqu'un commençant avec des modèles mixtes linéaires et essayant de les estimer dans R est de lire les FAQ Wiki d'où la plupart de ces informations ont été tirées. C'est une excellente ressource pour toutes sortes de thèmes d'effets mixtes du basique au avancé et de la modélisation au traçage.
la source
En ce qui concerne le calcul de la signification ( valeurs de p ), Luke (2016), Évaluation de la signification dans les modèles linéaires à effets mixtes dans R, indique que la méthode optimale est l'approximation de Kenward-Roger ou Satterthwaite pour les degrés de liberté (disponible en R avec des packages tels que
lmerTest
ouafex
).(pas d'italique dans l'original)
la source
lmerTest
package.J'utilise le
lmerTest
package. Cela inclut commodément une estimation de la valeur de p dans laanova()
sortie pour mes analyses MLM, mais ne donne pas de taille d'effet pour les raisons données dans d'autres articles ici.la source