Question

我有一定的值作为DV（因变量），我对BMI对DV的影响很感兴趣。我对DV有多个观察结果（即每个受试者反应五次），所以我想要一个混合模型（对于每个ID的重复测量）。

所以我做的是：

使用Bodo Winters教程 - 计算复杂模型和简单模型之间的差异。
使用lmerTest

现在，结果非常不同，我无法弄清楚原因。

m1 <- lmer(value  ~ BMI + Dummy + (1|ID), data=data)
m2 <- lmer( value ~ BMI + (1|ID), data=data)
anova(m1, m2)

在这里，我的结果非常重要

require(lmerTest)
m3<-lmer(value ~ BMI  + (1|ID), data=data)
anova(m3)

在这里，我的结果并不重要。对不起，我无法提供可重现的例子，这种差异只发生在BMI效应上，而不是我感兴趣的其他效果。所以现在我想知道：为什么你有什么建议，我可能犯了错误吗？

这是我得到的输出

> m1 <- lmer(value ~ BMI + (1|ID), data=data, REML=FALSE)
> m2 <- lmer(value ~ 1 + (1|ID), data=data, REML=FALSE)
> anova(m1, m2)
Data: data
Models:
..1:value ~ 1 + (1 | ID)
object: value ~ BMI + (1 | ID)
       Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
..1     3 2188.1 2201.0 -1091.1   2182.1                             
object  4 2149.4 2166.6 -1070.7   2141.4 40.687      1  1.787e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

和

anova(lmer(value ~ BMI + (1|ID), data=data, REML=FALSE))
Analysis of Variance Table of type 3  with  Satterthwaite 
approximation for degrees of freedom
     Sum Sq Mean Sq NumDF DenDF  F.value Pr(>F)
BMI 0.17868 0.17868     1   110 0.059873 0.8072

Answer 1

在我看来，你正在考虑LR tets的错误模型。用于测试BMI：

m1＆lt; - lmer（值~BMI +（1 | ID），数据=数据）

m2＆lt; - lmer（值~1 +（1 | ID），数据=数据）

anova（m1，m2）

Answer 2

我不能复制这个。使用一个非常相似的例子：

library("lme4")
m1 <- lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy)
m2 <- update(m1, .~.-Days)
anova(m1,m2)
## refitting model(s) with ML (instead of REML)
## Data: sleepstudy
## Models:
## m2: Reaction ~ (1 | Subject)
## m1: Reaction ~ Days + (1 | Subject)
##    Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
## m2  3 1916.5 1926.1 -955.27   1910.5                             
## m1  4 1802.1 1814.8 -897.04   1794.1 116.46      1  < 2.2e-16 ***

现在使用lmerTest：

library("lmerTest")
anova(lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy,
           REML=FALSE))
## Analysis of Variance Table of type 3  with  Satterthwaite 
## approximation for degrees of freedom
##      Sum Sq Mean Sq NumDF DenDF F.value    Pr(>F)    
## Days 162703  162703     1   162  170.45 < 2.2e-16 ***

普通旧anova(refitML(m1))在这种情况下给出了类似的结果：

## Analysis of Variance Table
##      Df Sum Sq Mean Sq F value
## Days  1 162703  162703   170.45

lmerTest和lme4之间的差异结果

2 个答案: