Question

请参阅以下示例代码：

library(lme4)
M100 <- glmer(vs ~ wt + (1|cyl), data=mtcars, family=binomial("logit"))
deviance(M100)
summary(M100)$AICtab["deviance"]

deviance函数返回13.95但是从模型摘要对象中读取偏差返回24.76。这是怎么回事？

Answer 1

这不是一个错误;你看到了不同的偏差定义之间的区别。 deviance(M100)给出相对的条件偏差，而summary(M100)$AICtab["deviance"]（也等于-2*logLik(M100)）给出绝对的，无条件的偏差[见下面的定义]。

此更改在NEWS for 1.1-8中引用，为

对于符合拉普拉斯的GLMM，
deviance（）现在返回偏差，而不是负对数似然的一半（LMM和符合nAGQ＆gt; 1的GLMM的行为没有改变）

?deviance.merMod的详细信息部分中有相当多的信息：

GLMM的偏差和对数似然性：

在定义GLM的偏差时必须小心。对于        例如，偏差应定义为减去两倍        对数似然或它是否涉及减去a的偏差        饱和模型？为了区分这两种可能性我们提到        到绝对偏差（减去对数似然的两倍）和相对        偏差（相对于饱和模型，例如第2.3.1节）        McCullagh和Nelder 1989）。然而，有了GLMM，有一个        额外的并发症涉及区分        可能性和条件可能性。后者是        通过调整估计得到的可能性        球形随机效应系数的条件模式，        而可能性本身（即无条件可能性）        涉及整合这些系数。下表        总结了如何为a提取各种类型的偏差        'glmerMod'对象。

                     conditional        unconditional 
   relative   ‘deviance(object)’         NA in ‘lme4’ 
   absolute  ‘object@resp$aic()’  ‘-2*logLik(object)’

[告诫删节]

有关此主题的更多信息，请参阅'misc / logLikGLMM'        包源中的目录。

deviance（）函数返回奇数值

1 个答案: