resultado del modelo de efectos mixtos

Question

Digamos que tenemos esto:

 model2 <- lmer(milk.amount~(1|cow), data=milk, REML=FALSE)
 model1 <- lmer(milk.amount~(1|cow), data=milk)
 summary(model2)

Linear mixed model fit by maximum likelihood  ['lmerMod']
Formula: milk.amount ~ (1 | cow)
    Data: milk
     AIC      BIC   logLik deviance df.resid 
   186.5    191.6    -90.2    180.5       37 

Scaled residuals: 
     Min      1Q  Median      3Q     Max 
 -2.0244 -0.4104  0.1795  0.6621  1.3879 

Random effects:
 Groups   Name        Variance Std.Dev.
 cow      (Intercept) 6.755    2.599   
 Residual             2.999    1.732   
 Number of obs: 40, groups: cow, 10

Fixed effects:
             Estimate Std. Error t value
 (Intercept)  27.0150     0.8663   31.18

entonces

summary(model1)
Linear mixed model fit by REML ['lmerMod']

Formula: milk.amount ~ (1 | cow)
   Data: milk
 REML criterion at convergence: 178.9

 Scaled residuals: 
      Min      1Q  Median      3Q     Max 
  -1.9981 -0.4136  0.1775  0.6561  1.4021 

 Random effects:
  Groups   Name        Variance Std.Dev.
  cow      (Intercept) 7.589    2.755   
  Residual             3.000    1.732   
  Number of obs: 40, groups: cow, 10

 Fixed effects:
              Estimate Std. Error t value
  (Intercept)  27.0150     0.9132   29.58

¿Por qué el modelo 1 (con REML) no muestra los coeficientes AIC, BIC, logLik, desviación? ¿Es posible que se deba a algún tipo de dependencia del software?

Answer 1

Esto se debe a que la probabilidad (a partir de la cual se calculan la desviación, el AIC y el BIC) sólo se calcula cuando se utiliza la estimación de máxima verosimilitud (es decir, el método = "ML"). Esto se debe a que REML tiene en cuenta los grados de libertad de los efectos fijos para estimar los componentes de la varianza, lo que resulta en estimaciones de la varianza menos sesgadas en comparación con las de la estimación ML, pero un valor de probabilidad incorrecto para la comparación de modelos.