Использование AI C () и anova () привело к различным оценкам AI C - PullRequest
0 голосов
/ 17 марта 2020

Я работаю над выбором модели с AIC. В «граничной» модели я хотел бы посмотреть, улучшает ли модель добавление «Границы».

Вот две модели:

lm_ff_full = lmer(IA_FIRST_FIXATION_DURATION ~ nzcp + HH + logCfreq + Crepe + logWfreq + Wrepe + Wlen + strokeN + radicalN + dis_pun_r + dis_pun_l + dis_sec_r + dis_sec_l + TRIAL_INDEX + (1|participant) + (1|TRIAL_INDEX), data=myfix)

lm_ff_Boundary = lmer(IA_FIRST_FIXATION_DURATION ~ nzcp + HH + logCfreq + Crepe + logWfreq + Boundary + Wrepe + Wlen + strokeN + radicalN + dis_pun_r + dis_pun_l + dis_sec_r + dis_sec_l + TRIAL_INDEX + (1|participant) + (1|TRIAL_INDEX), data=myfix)

Я пробовал два разных способа:

> AIC(lm_ff_Boundary, lm_ff_full)

               df      AIC
lm_ff_Boundary 21 301558.8
lm_ff_full     18 301538.3

AI C ниже для "полной" модели с AI C (). Но с anova () ИИ C был ниже с моделью Границы.

> anova(lm_ff_Boundary, lm_ff_full)

refitting model(s) with ML (instead of REML)
Data: myfix
Models:
lm_ff_full: IA_FIRST_FIXATION_DURATION ~ nzcp + HH + logCfreq + Crepe + logWfreq + 
lm_ff_full:     Wrepe + Wlen + strokeN + radicalN + dis_pun_r + dis_pun_l + 
lm_ff_full:     dis_sec_r + dis_sec_l + TRIAL_INDEX + (1 | participant) + 
lm_ff_full:     (1 | TRIAL_INDEX)
lm_ff_Boundary: IA_FIRST_FIXATION_DURATION ~ nzcp + HH + logCfreq + Crepe + logWfreq + 
lm_ff_Boundary:     Boundary + Wrepe + Wlen + strokeN + radicalN + dis_pun_r + 
lm_ff_Boundary:     dis_pun_l + dis_sec_r + dis_sec_l + TRIAL_INDEX + (1 | participant) + 
lm_ff_Boundary:     (1 | TRIAL_INDEX)
               Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)  
lm_ff_full     18 301401 301574 -150683   301365                           
lm_ff_Boundary 21 301397 301599 -150677   301355 10.284      3     0.0163 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Мои вопросы:

  1. Почему существует разница в ИИ C с этими двумя функциями?

  2. Какой из них мне следует использовать?

Спасибо!

...