Муравей драги: при использовании драга на GLMM, включает ли нулевая модель случайные эффекты? - PullRequest
Новая
       144

Муравей драги: при использовании драга на GLMM, включает ли нулевая модель случайные эффекты?

0 голосов
/ 24 февраля 2020

У меня есть глобальная модель, использующая GLMM с 5 фиксированными эффектами с взаимодействиями, а также двумя случайными эффектами. 

x ~ a*b + a*c + a*d + a*e + (1|f) + (1|g)

Я использую информационный подход c и использую dredge() функция в MuMIn на этой глобальной модели.

Нулевая модель имеет очень низкий рейтинг (95), что, как я предположил, означало, что фиксированные эффекты важны для системы, поскольку существует 94 возможных комбинации моделей, которые лучше, чем случайные.

Однако один из коллег спросил, включены ли случайные эффекты в нулевую модель, так как в противном случае, конечно, многие модели лучше, чем нулевые, потому что они учитывают отклонения от случайных эффектов, но нулевая модель не будет.

Тем не менее, я предположил, что модель все еще будет иметь эти случайные эффекты, только не фиксированные эффекты. Это правильно?

1 Ответ

2 голосов
/ 24 февраля 2020

Да.

Вот экспериментальная иллюстрация, в которой dredge() отбрасывает только фиксированные эффекты, оставляя нулевую модель как (перехват + все случайные эффекты) 

library(lme4)
library(MuMIn)
m1 = lmer(Reaction~Days+(Days|Subject),sleepstudy,na.action=na.fail,REML=FALSE)
dd = dredge(m1)
Fixed term is "(Intercept)"
## Global model call: lmer(formula = Reaction ~ Days + (Days | Subject), data = sleepstudy, 
##     REML = FALSE, na.action = na.fail)
## ---
## Model selection table 
##   (Intrc)  Days df   logLik   AICc delta weight
## 2   251.4 10.47  6 -875.970 1764.4   0.0      1
## 1   257.8        5 -887.738 1785.8  21.4      0
## Models ranked by AICc(x) 
## <strong>Random terms (all models):
## ‘Days | Subject’</strong>

Первая точка здесь что конец печатного вывода явно показывает случайные эффекты, включенные для всех терминов.

Подгонка нулевой модели вручную и сравнение AI Cc с таблицей выше: 

m0 <- update(m1, . ~ . - Days)
formula(m0)
## Reaction ~ (Days | Subject)
AICc(m0)
##    [1] 1785.821
...