GLMM中随机效应的最佳结构选择

Question

在开始使用固定项之前，我正在尝试选择GLMM中最好的随机效果结构。为了做到这一点，我包括了所有的固定效应及其相互作用(超越最优模型)，然后我尝试使用不同的随机因素组合。我正在使用公式lmer()。用REML对模型进行估计。然后，我获得每个模型的AIC()，并对它们进行比较。

但我也想知道模型在没有随机效应的情况下的AIC。我读过了，然后我应该使用gls()。但我也可以使用glm()。而与gls相同型号的AIC和与glm相同型号的AIC非常不同。

这是在GLMM中选择最佳随机效果结构的最佳方法吗？我可以将使用lmer()获得的AIC值与使用gls或glm获得的其他AIC值进行比较吗？

谢谢并致以最良好的问候！

Answer 1

我也一直在寻找一个很好的解决方案来测试GLMM的替代随机效果结构。有一些很棒的discussion on the topic here.，最好的挑战概述是summarized pretty well here。但在大多数情况下，分配的解决方案似乎正在开发中，或者太远了，大多数评审者、合著者和其他读者无法理解。问题是，随着随机效应分量的复杂性增加，AIC得分通常会较低，但这些模型可能仍然过度拟合数据。我倾向于根据实验的设计性、实用性和直观性来建立随机效应结构。

我测试了GLMM的替代随机效果结构，方法是随机拆分原始数据into training and testing sets，然后比较竞争模型的AUC值。我不确定这是否是完美的解决方案，但它似乎对我很有效。

​

我不确定这是否可行，或者它是否是一个合适的解决方案。但是，当比较AIC得分时，具有嵌套随机效应的红色模型似乎是最好的。在这里，通过交叉验证，我们可以看到单独的PlotID (绿色)的单一随机效果与具有更复杂的随机效果结构的竞争模型一样好。

从这里可以看出，随机截取PlotID的模型和模型一样好