我正在尝试使用lmer()
确定混合效果模型的正确格式。下面的三个模型都试图达到同样的目的 - 一个简单的固定效果模型 - 所以两个必定是错误的。
在模型中,shoppers
是有关商业中心消费者支出的数据。存在一般的反平方距离关系,描述了消费者如何从中心分配。这反映在gravity
模型中,该矩阵对较近的区域区域进行加权,使得区域区域比距离更远的区域更加模拟距离的影响。住宅区的Population
大小也给出了。我认为r3
应该是正确的格式,但它会产生比r2
更高的AIC分数。知道为什么会这样,哪个是正确的?
> r1 <- lmer(shoppers / gravity ~ population + (1 | District), data = d)
> r2 <- lmer(shoppers * gravity ~ population + (1 | District), data = d)
> r3 <- lmer(shoppers ~ gravity / population + (1 | District), data = d)
>
> summary(r1)@AICtab
AIC BIC logLik deviance REMLdev
38154.25 38180.12 -19073.12 38132.84 38146.25
> summary(r2)@AICtab
AIC BIC logLik deviance REMLdev
6504.574 6530.45 -3248.287 6470.837 6496.574
> summary(r3)@AICtab
AIC BIC logLik deviance REMLdev
14965.16 14997.5 -7477.579 14933.57 14955.16
非常感谢提前!
答案 0 :(得分:1)
您的模型shoppers ~ gravity / population + (1 | District)
使用shoppers
作为因变量,gravity
的主要影响以及gravity
与population
之间的互动(gravity:population
)作为两个固定效应:
model1 <- lmer(shoppers ~ gravity / population + (1 | District), data = d)
如果您想测试交互,您的模型也应该包含相应的主效果。
如果您想要测试gravity
除以population
的结果作为单个固定效果的效果,请使用以下公式:
model2 <- lmer(shoppers ~ as.numeric(gravity / population) + (1 | District), data = d)
也许您想尝试模型shoppers ~ gravity * population + (1 | District)
。此模型中有三种固定效果:gravity
和population
的主要影响以及这些变量之间的相互作用(gravity:population
):
model3 <- lmer(shoppers ~ gravity * population + (1 | District), data = d)
模型的选择应取决于基础理论和您的问题/假设。
由于这些模型使用相同的因变量(shoppers
),即它们在~
符号左侧相同,因此您可以比较AIC值。
anova(model1, model2, model3)