我想从lme包中报告一个因子nlme的结果。我想知道A对y的整体影响。为此，我将模型与Null模型进行比较：
m1 <- lme(y~A,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML")
m0 <- lme(y~1,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML")
我正在使用最大可能性，因为我正在比较具有不同主效应的模型。
stats::anova(m0,m1)给了我一个重要的p值，这意味着A对y有显着的影响。然而，与用lme4制造的lmer模型相比，没有给出Chi2值。第一：这种方法有效吗？第二：报告结果的最佳方式是什么？
谢谢你的回答
答案 0 :(得分：0)
lme的anova应该提供与lmer相同的信息。两者都使用了所谓的偏差测试或似然比测试。 anova返回的表中的L.ratio部分就是两个模型的对数似然差乘以-2。偏差测试针对Chi2分布测试该值，其中模型参数（在您的情况1中）的自由度不同。因此，L.ratio模型下lme报告的值与lmer模型报告的Chi2值相同（假设模型当然相同，并且lmer舍入值为小数）。
该方法有效，您可以报告L.ratio下的值以及自由度和p值，但我会在报告中添加更多信息，例如两个模型的固定和随机系数。您添加的其他参数（例如权重下指定的A级别的差异）。如果你只对A的固定效应感兴趣而不是Wald测试也应该是合适的，尽管在少数群体的情况下建议使用REML估计（Snijders＆amp; Bosker，2012）。测试统计量是模型摘要输出summary(m1)中的t值和关联的p值。 Snijders＆amp;中的第6章Bosker（2012）对固定和随机参数的测试给出了很好的解释。以及报告示例。