He estado mirando de efectos mixtos modelado usando el paquete lme4 en R. estoy usando principalmente la lmer
orden, de modo que lo voy a plantear mi pregunta a través de un código que utiliza la sintaxis. Supongo que un general fácil, la pregunta podría ser, ¿está bien para comparar dos modelos construidos en lmer
el uso de cocientes de probabilidad basado en idénticos conjuntos de datos? Creo que la respuesta debe ser "no", pero podría ser incorrecta. He leído la información contradictoria sobre si los efectos aleatorios tiene que ser el mismo o no, y qué componente de la de efectos aleatorios, es decir con eso? Así que, voy a presentar un par de ejemplos. Voy a sacarlos de medidas repetidas de los datos de uso de palabra estímulos, tal vez algo como Baayen (2008) sería útil en la interpretación.
Digamos que tengo un modelo en el que hay dos efectos fijos de los predictores, vamos a llamar a, B, y, y algunos de los efectos aleatorios... las palabras y los sujetos que se percibe de ellos. Yo podría construir un modelo como el siguiente.
m <- lmer( y ~ A + B + (1|words) + (1|subjects) )
(tenga en cuenta que he intencionalmente dejado fuera data =
y vamos a suponer que siempre me refiero REML = FALSE
para mayor claridad)
Ahora, de los siguientes modelos, que están bien para comparar con una prueba de razón de verosimilitud a la de arriba y la que no?
m1 <- lmer( y ~ A + B + (A+B|words) + (1|subjects) )
m2 <- lmer( y ~ A + B + (1|subjects) )
m3 <- lmer( y ~ A + B + (C|words) + (A+B|subjects) )
m4 <- lmer( y ~ A + B + (1|words) )
m5 <- lmer( y ~ A * B + (1|subjects) )
Reconozco que la interpretación de algunas de estas diferencias pueden ser de difícil o imposible. Pero vamos a poner esto a un lado por un segundo. Sólo quiero saber si hay algo fundamental en los cambios que se opone a la posibilidad de comparar. También quiero saber si, en caso de LR pruebas están bien, AIC comparaciones son así.