如何测试lme中的corAR1（）是否显着改善了modelfit

Question

我想测试一阶自相关corAR1（）的校正是否可以显着提高我的模型拟合度，但是不知道该怎么做。

Pinheiro＆Bates（2000）p。 242应当使用标准的方差分析功能执行似然比测试。但是，有人告诉我，从理论的角度来看，这将导致结果不准确，因为违反了卡方分布假设。仍然我无法获得有关如何在R中考虑这一点的信息。

因此，我想问问是否有人可以帮助我替代使用anova-LRT的替代品？非常感谢。

dataset and if prefered r-script for the two models with and without corAR1() can be retrieved here

##reduced model-specific data-set:
datafclr <-read.csv("datafclr.csv", header = TRUE, sep = ",", dec = ".", fill = TRUE)

##without correction for autocorrelation:

tim1 <- lme(fixed=EERTmn ~ male + female + 
              (male:time7c)          + (female:time7c)          +                           
              (male:IERT_Cp)         + (female:IERT_Cp)         + 
              (male:IERT_Cp_Partner) + (female:IERT_Cp_Partner)-1,

            control=list(maxIter=100000), data=datafclr,                                             

            random=~male + female -1|dyade, na.action=na.omit) 

summary(tim1)

#with correction for autocorrelation of first order:

tim2 <- lme(fixed=EERTmn ~ male + female + 
              (male:time7c)          + (female:time7c)          +                           
              (male:IERT_Cp)         + (female:IERT_Cp)         + 
              (male:IERT_Cp_Partner) + (female:IERT_Cp_Partner)-1,

            control=list(maxIter=100000), data=datafclr,                                             

            random=~male + female -1|dyade, correlation=corAR1(), na.action=na.omit)

summary(tim2)

非常感谢！

最好，帕特里克