lme4:为什么在使用 REML 时不再显示 AIC

机器算法验证 r 随机效应模型 aic lme4-nlme
2022-03-19 06:07:46

我有一个简单的问题,了解lme4包的基本用法。我正在学习 Bodo Winter 的教程(http://www.bodowinter.com/tutorial/bw_LME_tutorial.pdf)。

在本教程中,Bodo 使用以下两个命令计算随机效应模型:

 library(lme4)
 politeness=read.csv("http://www.bodowinter.com/tutorial/politeness_data.csv")
 politeness.model = lmer(frequency ~ attitude + (1|subject) + (1|scenario), 
                         data=politeness)
 summary(politeness.model)

但是,他的输出打印输出包括 AIC 和 BIC 值(第 8 页),当前版本的 lme4 (1.1.7) 中不包括这些值。你知道为什么会这样吗?尽管可以使用最大似然算法(通过使用 REML=False 选项)计算这两个值,但我很困惑为什么它们不再包含在默认输出中。

提前致谢

1个回答

据我所知,这是在 2013 年 8 月实施的逻辑大概是装有 REML 的模型本身不具有可能性,并且最常见的用户错误之一是比较具有不同固定效应组件的模型之间的 REML 标准(“受限可能性”),这是没有意义的. 比较 AIC/BIC 会继承同样的问题。

虽然 lme4 遵循了一个相当标准的 R 惯例,即总结报告 AIC、BIC 等,但我实际上认为这几乎是无用的,因为单个模型的 AIC/BIC 基本上不包含任何信息。您可以使用它来比较模型,但使用anova(model1,model2)or AIC(model1,model2)(或bbmle::AICtab(model1,model2),提供更有用的摘要)更容易。