Model 與 beta 系列的 glmmTMB 對象的比較

Question

我們正在使用 glmmTMB package 執行 beta 混合效應回歸分析，如下所示：

mod = glmmTMB::glmmTMB(data = data,
                      formula = rating ~ par1 + par2 + par3 + 
                        (1|subject)+(1|item),
                      family  = glmmTMB::beta_family())

接下來，我們要運行 model 比較——類似於用於“lm”對象的“step”function。 到目前為止，我們從 MuMIn package 中找到了 function 'dredge'，它根據標准（例如 BIC）計算嵌套模型的擬合：

MuMIn::dredge(mod, rank = 'BIC', evaluate = T)

OUTPUT:
Model selection table 
  cnd((Int)) dsp((Int)) cnd(par1)  cnd(par2)  cnd(par3) df   logLik     BIC delta weight
2      1.341          +  -0.4466                        5 2648.524 -5258.3  0.00  0.950
6      1.341          +  -0.4466              0.03311   6 2648.913 -5251.3  6.97  0.029
4      1.341          +  -0.4468   -0.005058            6 2648.549 -5250.6  7.70  0.020
8      1.341          +  -0.4470   -0.011140  0.03798   7 2649.025 -5243.8 14.49  0.001
1      1.321          +                                 4 2604.469 -5177.9 80.36  0.000
5      1.321          +                       0.03116   5 2604.856 -5171.0 87.34  0.000
3      1.321          +            -0.001771            5 2604.473 -5170.2 88.10  0.000
7      1.321          +            -0.007266  0.03434   6 2604.909 -5163.3 94.98  0.000

但是，我們想知道這些嵌套模型之間的擬合差異是否具有統計學意義。 對於具有正態分布因變量的 lms，我們將使用 anova，但在這里我們不確定它是否適用於具有 beta 分布或 glmmTMB object 的模型。

Answer 1

您可以使用構建器 package使用glmmTMB模型進行逐步回歸（您也應該閱讀有關逐步回歸的批評）。 但是，對您的問題的簡短回答是實現似然比檢驗的 anova anova()方法是為嵌套模型的glmmTMB擬合的成對比較而實現的，並且該理論工作得很好。 一些更重要的假設是：（1）沒有違反 model 假設[獨立性、條件分布的選擇、適當尺度上的線性、隨機效應的正態性等]； (2) 模型是嵌套的，並且應用於同一個數據集； (3) 樣本量足夠大，可以應用漸近方法。