机器算法验证 - 模拟显示固定效应和混合效应模型之间差异的示例 - 吾爱随笔录

当使用固定效应而不是随机效应时，我试图找到一个模型结果存在极大差异的示例。我尝试使用以下代码模拟一个示例：

library(lme4)
library(ggplot2)
library(tidyverse)
library(broom)
df <- data.frame(Group=LETTERS[1:10]) %>%
  mutate(yGroup=rnorm(n()), xGroup=rnorm(n())) %>%                  # group means
  mutate(coefGroup=rnorm(n(), mean=.25)) %>%                        # group slope
  mutate(size=sample(5:10, 1)) %>% uncount(size) %>%
  group_by(Group) %>%
  mutate(x=xGroup + rnorm(n()), y=yGroup + coefGroup * x + rnorm(n(), sd=.5))

ggplot(df, aes(x=x, y=y, color=Group)) + geom_point()
lm(y ~ x + Group, data=df) %>% tidy()

lmod1 <- lmer(y ~ x + (1|Group), data=df)
lmod2 <- lmer(y ~ 1 + (1|Group), data=df)
anova(lmod1, lmod2)

但是，无论我做什么，OLS 和混合效应模型的效应或系数的差异都非常相似。我究竟做错了什么？