LMEM：卡方= 0，问题= 1 - 我的代码出了什么问题？

Question

我对某些数据运行LMEM（线性混合效应模型），并将模型（成对）与anova函数进行比较。但是，在特定的数据子集上，我收到了无意义的结果。

这是我的全部型号：

m3_full <- lmer(totfix ~ psource + cond + psource:cond + 
    1 + cond | subj) + (1 + psource + cond | object), data, REML=FALSE) 

这是我比较它的模型：（基本上辍学的主要影响之一）

m3_psource <- lmer (totfix ~ psource + cond + psource:cond - 
psource + (1 + cond | subj) + (1 + psource + cond | object), 
    data, REML=FALSE) 

运行anova()功能（anova(m3_full, m3_psource) returns Chisq = 0，pr>（Chisq）= 1

我对其他一些LMEMs也是这样做的，一切看起来都很好，只是这个特殊的resp这个值给我奇怪的卡方和概率值。任何人都有一个想法，为什么以及如何修复它？任何帮助都感激不尽！

Answer 1

这实际上并不是一个混合模型特有的问题，而是与R从公式（以及可能与模型比较的逻辑）构建模型矩阵的方式有关。

让我们缩小它

form1 <- ~ psource + cond + psource:cond 

和

form2 <- ~ psource + cond + psource:cond - psource 

（其等同于~cond + psource:cond）之间的比较。这两个公式给出了等价的模型矩阵，即具有相同列数的模型矩阵，跨越相同的设计空间，并给出相同的整体拟合优度。

制作了一个最小数据集探索：

dd <- expand.grid(psource=c("A","B"),cond=c("a","b")) 

什么构造变量，我们会得到每个公式？

colnames(model.matrix(form1,data=dd)) 
## [1] "(Intercept)" "psourceB"  "condb"   "psourceB:condb" 

colnames(model.matrix(form2,data=dd)) 
## [1] "(Intercept)" "condb"   "psourceB:conda" "psourceB:condb" 

我们得到相同数量的对比。

对此问题有两种可能的答案。

1. 有思想的一所学校（由内尔德，维纳布尔斯等：如看到代表维纳布尔斯著名的（？），但是未公布exegeses on linear models，在principle of marginality部分5，或维基百科），指出它不”在交互条件的存在下尝试测试主效应是有意义的，这就是你想要做的。

2. 有偶尔情况下（例如，在前后对照控制影响力的设计，其中“前”的控制和影响之间的差异被称为是零由于实验协议），您真的想这样做这个比较。在这种情况下，您必须制作自己的虚拟变量并将其添加到数据中，例如

## set up model matrix and drop intercept and "psourceB" column 
dummies <- model.matrix(form1,data=dd)[,-(1:2)] 
## d='dummy': avoid colons in column names 
colnames(dummies) <- c("d_cond","d_source_by_cond") 
colnames(model.matrix(~d_cond+d_source_by_cond,data.frame(dd,dummies))) 
## [1] "(Intercept)"  "d_cond"   "d_source_by_cond" 

这是一个麻烦。我猜测这很困难的原因是，R和S的原作者之前是来自思想学派＃1，并认为通常当人们试图这样做时，这是一个错误;他们并没有做到不可能，但他们并没有竭尽全力让事情变得容易。