GLMM에서 무작위 효과의 최상의 구조 선택

Question

고정 된 용어로 시작하기 전에 GLMM에서 최상의 임의 효과 구조를 선택하려고합니다. 이를 위해 고정 효과와 그 상호 작용 (최적 모델 이상)을 모두 포함시킨 다음 임의의 요인을 여러 가지 조합으로 시도합니다. lmer() 공식을 사용하고 있습니다. 모델은 REML로 추정되었습니다. 그런 다음 각 모델의 AIC()를 구하여 비교합니다.

하지만 무작위 효과가없는 모델의 AIC도 알고 싶습니다. 나는 gls()를 사용해야한다는 것을 읽었다. 하지만 glm()도 사용할 수 있습니다. 그리고 gl을 가진 동일한 모델의 AIC와 glm을 가진 동일한 모델의 AIC는 매우 다릅니다.

GLMM에서 가장 좋은 무작위 효과 구조를 선택하는 가장 좋은 방법입니까? lmer()와 함께 얻은 AIC 값을 gl이나 glm으로받은 다른 AIC 값과 비교할 수 있을까요 ??

감사합니다.

Answer 1

저는 또한 GLMM을위한 대안 무작위 효과 구조를 테스트 할 수있는 좋은 솔루션을 찾고 있습니다. 훌륭한 것이 있습니다 discussion on the topic here. 도전의 가장 좋은 개요는 summarized pretty well here입니다. 그러나 솔루션의 대부분은 개발 중이거나 대부분의 검토 자에게 너무 멀리 있습니다. 공동 작성자 & 다른 독자는 이해해야합니다. 문제는 무작위 효과 구성 요소의 복잡성이 증가함에 따라 일반적으로 AIC 점수가 낮아 지지만 이러한 모델은 여전히 ​​데이터에 너무 적합 할 수 있다는 것입니다. 실험 디자인, 실용성 및 직감에 따라 무작위 효과 구조를 설정하는 경향이 있습니다.

원래 데이터 into training and testing sets을 무작위로 분할 한 다음 경쟁 모델에서 AUC 점수를 비교하여 GLMM에 대한 대안 무작위 효과 구조를 테스트했습니다. 이것이 완벽한 해결책인지 확신 할 수 없지만 잘 작동하는 것처럼 보입니다. 이하거나 심지어 적절한 솔루션의 경우 작동하는지

확실하지. 그러나 AIC 점수를 비교할 때 중첩 된 임의 효과가있는 빨간색 모델이 가장 좋은 것으로 보입니다. 여기에서 교차 검증을 통해 우리는 PlotID (녹색)의 단일 무작위 효과가보다 복잡한 무작위 효과 구조를 가진 경쟁 모델과 마찬가지로 우수하다는 것을 알 수 있습니다.

의 수 PlotID 중 하나 개 임의 절편 모델이 모델