（线性）混合效应模型通常如何相互比较？我知道可以使用似然比检验，但是如果一个模型不是另一个模型的“子集”，这不起作用吗？

模型 df 的估计总是简单的吗？固定效应的数量+估计的方差分量的数量？我们是否忽略了随机效应估计？

验证呢？我的第一个想法是交叉验证，但考虑到数据的结构，随机折叠可能不起作用。“留下一个主题/集群”的方法是否合适？留下一个观察结果怎么样？

Mallows Cp 可以解释为模型预测误差的估计。通过 AIC 选择模型试图最小化预测误差（所以如果误差是高斯的，我相信 Cp 和 AIC 应该选择相同的模型）。这是否意味着 AIC 或 Cp 可用于根据预测误差从一些非嵌套模型的集合中选择“最佳”线性混合效应模型？（如果它们适合相同的数据） BIC 是否仍然更有可能在候选人中选择“真实”模型？

我的印象也是，当通过 AIC 或 BIC 比较混合效应模型时，我们只将固定效应计算为计算中的“参数”，而不是实际模型 df。

有没有关于这些主题的好文献？是否值得研究 cAIC 或 mAIC？它们在 AIC 之外是否有特定应用？