Selección de modelos en un contexto de modelos mixtos mediante lmer

Question

Supongamos que tengo dos factores A y B que predicen potencialmente mi resultado Y. Ahora me gustaría probar los efectos fijos utilizando la prueba de razón de verosimilitud para encontrar el mejor modelo.

fm1 <- lmer(Y~1+A*B+(1|subject))
fm2 <- lmer(Y~1+A+B+(1|subject))
fm3 <- lmer(Y~1+A+(1|subject))
fm4 <- lmer(Y~1+B+(1|subject))
fm5 <- lmer(Y~1+(1|subject))

anova(fm1, fm2, fm3, fm4, fm5)

Sin embargo, también me gustaría probar diferentes especificaciones de efectos aleatorios.

# all possible random-effects specifications for fm1
fm6 <- lmer(Y~1+A*B+(1+A*B|subject)) 
fm7 <- lmer(Y~1+A*B+(1+A|subject)+(1+B|subject))
fm8 <- lmer(Y~1+A*B+(1+A|subject))
fm8 <- lmer(Y~1+A*B+(1+B|subject)) 
fm8 <- lmer(Y~1+A*B+(1|subject)) 

¿Es un enfoque válido detectar primero qué especificación de efectos fijos es más predictiva [ anova(fm1, fm2, fm3, fm4, fm5) ] y luego probar diferentes especificaciones de efectos aleatorios con este modelo? ¿O sólo sería válido el enfoque más exhaustivo en el que especifique todas las combinaciones posibles de efectos fijos y aleatorios para comparar todos estos modelos y encontrar el mejor ajuste?

Answer 1

Por lo que sé, primero hay que especificar la estructura de efectos aleatorios. Capítulo 5 sección 7 de Zuur detalla los pasos generales para seleccionar un modelo. Primero, incluir todos los efectos fijos relevantes. En segundo lugar, identifique la estructura de efectos aleatorios mediante REML. Tercero, encontrar la estructura de efectos fijos con ML. Cuarto, Zuur sugiere utilizar la estimación REML para presentar (no estoy seguro de por qué). La sección 5.8 tiene ejemplos.