在 R 的 lm4 包中的 lmer() 的输出中找不到 p 值

机器算法验证 r p 值 lme4-nlme
2022-04-05 04:37:05

我是混合模型的新用户，通过我一直在阅读的材料，总是有概率值 (p>t) 或 (p>z) 来估计模型中某个因素水平的重要性。但是，当使用lmer()R 中的函数时，它应该给你这些概率，我根本找不到它们。这是输出：

Linear mixed model fit by REML 
Formula: Temp ~ depth + (1 | locality) 
   Data: qminmatrix 
   AIC   BIC logLik deviance REMLdev
 561.3 581.3 -273.7    551.5   547.3
Random effects:
 Groups   Name        Variance Std.Dev.
 locality (Intercept) 4.7998   2.1909  
 Residual             4.0433   2.0108  
Number of obs: 128, groups: locality, 4

Fixed effects:
            Estimate Std. Error t value
(Intercept)  22.0103     1.1500  19.140
depth1        1.9564     0.6832   2.864
depth10       2.6624     0.5756   4.625
depth5        3.0209     0.4932   6.125
depthWS      -2.2585     0.5444  -4.149

Correlation of Fixed Effects:
        (Intr) depth1 dpth10 depth5
depth1  -0.157                     
depth10 -0.175  0.189              
depth5  -0.213  0.313  0.458       
depthWS -0.191  0.334  0.373  0.441
3个回答

lmer 包的作者有意识地选择不为固定效应创建 p 值。一些软件包可以，但他认为它们在进行容易误导的简单计算。（许多统计学家认为存在一种对 p 值的痴迷，这本身就会引起混淆，但这是另一回事。）

他在这篇文章中解决了这个问题。我相信摘要段是：

大多数关于混合模型中固定效应规范检验的研究都始于假设这些统计量将具有具有已知分子自由度的 F 分布，并且研究的唯一目的是决定如何获得近似的分母自由度。我不同意。

我对这个问题的理解不够好，无法解释它。

使用 pvals.fnc() 函数，这里的 pMCMC 就像 p 值一样，它应该小于 0.05 以拒绝零假设。

安装 coda 和 languageR 包并运行 pvals.fnc，如下所示：

Model.pval<-pvals.fnc(Model, nsim = n, withMCMC = TRUE)

请注意，这不适用于嵌套随机效应模型中的 3 级或更高级别。

其它你可能感兴趣的问题
上一篇您是否使用卡方检验或 t 检验来检验方差相等？ 下一篇拥有平衡的面板数据而不是不平衡的优势是什么？