ฉันรู้สึกท่วมท้นหลังจากพยายามขุดลงไปในวรรณคดีว่าจะใช้การวิเคราะห์แบบผสมของฉันได้อย่างไรหลังจากใช้ AIC เพื่อเลือกแบบจำลองหรือแบบจำลองที่ดีที่สุด ฉันไม่คิดว่าข้อมูลของฉันมีความซับซ้อน แต่ฉันกำลังมองหาการยืนยันว่าสิ่งที่ฉันทำถูกต้องแล้วแนะนำวิธีดำเนินการต่อ ฉันไม่แน่ใจว่าควรใช้ lme หรือ lmer หรือไม่ถ้าใช้อย่างใดอย่างหนึ่งควรใช้ REML หรือ ML
ฉันมีคุณค่าในการเลือกและฉันต้องการรู้ว่า covariates ที่ดีที่สุดมีอิทธิพลต่อคุณค่านั้นและอนุญาตให้มีการคาดการณ์ นี่คือตัวอย่างข้อมูลและโค้ดสำหรับการทดสอบที่ฉันใช้:
ID=as.character(rep(1:5,3))
season=c("s","w","w","s","s","s","s","w","w","w","s","w","s","w","w")
time=c("n","d","d","n","d","d","n","n","n","n","n","n","d","d","d")
repro=as.character(rep(1:3,5))
risk=runif(15, min=0, max=1.1)
comp1=rnorm(15, mean = 0, sd = 1)
mydata=data.frame(ID, season, time, repro, risk, comp1)
c1.mod1<-lmer(comp1~1+(1|ID),REML=T,data=mydata)
c1.mod2<-lmer(comp1~risk+(1|ID),REML=T,data=mydata)
c1.mod3<-lmer(comp1~season+(1|ID),REML=T,data=mydata)
c1.mod4<-lmer(comp1~repro+(1|ID),REML=T,data=mydata)
c1.mod5<-lmer(comp1~time+(1|ID),REML=T,data=mydata)
c1.mod6<-lmer(comp1~season+repro+time+(1|ID),REML=T,data=mydata)
c1.mod7<-lmer(comp1~risk+season+season*time+(1|ID),REML=T,data=mydata)ฉันมีโมเดล 19 รุ่นที่สำรวจข้อมูลนี้ด้วยชุดค่าผสมที่หลากหลายและมีเงื่อนไขการโต้ตอบ 2 ทาง แต่จะใช้ ID เป็นเอฟเฟกต์แบบสุ่มและ comp1 เป็นตัวแปรตามเสมอ
- ไตรมาสที่ 1 ต้องใช้อะไร lme หรือ lmer มันสำคัญไหม
ในทั้งสองสิ่งนี้ฉันมีตัวเลือกในการใช้ ML หรือ REML - และฉันได้รับคำตอบที่แตกต่างกันอย่างมาก - การใช้ ML ตามด้วย AIC ฉันจบด้วย 6 รุ่นทั้งหมดที่มีค่า AIC ที่คล้ายคลึงกันและชุดแบบจำลองไม่สมเหตุสมผล ผลลัพธ์ใน 2 โมเดลที่น่าจะเป็นที่สุด อย่างไรก็ตามเมื่อใช้งาน REML ฉันไม่สามารถใช้ anova ได้อีกต่อไป
- ไตรมาสที่ 2 เป็นเหตุผลหลักที่ใช้ ML เกิน REML เพราะใช้กับ ANOVA? นี่ไม่ชัดเจนสำหรับฉัน
ฉันยังคงไม่สามารถเรียกใช้ stepAIC หรือฉันไม่รู้วิธีอื่นในการ จำกัด รุ่น 19 รุ่นเหล่านั้นให้แคบลง
- ไตรมาสที่ 3 มีวิธีใช้ stepAIC ณ จุดนี้หรือไม่