如何报告nlme混合效应模型的总体结果

Question

我想报告nlme包中的一个因子lme的结果。我想知道A对y的整体影响。要做到这一点我将与空模型的模型对比：

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") 

我使用的，因为我比较不同的主效应模型最大似然。 stats::anova(m0,m1)给了我一个重要的p值，这意味着A对y有显着影响。但是，与使用lme4制作的lmer模型相比，没有给出Chi2值。第一：这种方法是否有效？第二：报告结果的最佳方式是什么？ 感谢您的回答

Answer 1

一个anova与lme应该给你与lmer相同的信息。两者都使用所谓的偏差检验或似然比检验。由anova返回的表中的L.ratio部分仅仅是两个模型的对数似然乘以-2的差异。偏差测试根据Chi2分布测试该值，其中模型参数的差异（在您的情况1中）为自由度。因此，L.ratio中lme型号报告的值与lmer型号报告的Chi2值相同（假设模型当然是相同的，并且lmer将值舍入为十进制）。

该方法是有效的，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以及其他参数你已经添加了（例如在权重下指定的A级别的差异差异）。如果你只对A的固定效应感兴趣，那么Wald检验也应该是适当的，尽管REML估计值建议在少数群体的情况下（Snijders & Bosker，2012）。测试统计量是模型汇总输出summary(m1)中的t值和关联的p值。 Bosker（2012）对固定参数和随机参数的测试给出了很好的解释。与报告例子一起。