lmerTest和lme4结果的差异

Question

我有一定的值作为DV (因变量)，我感兴趣的是BMI对DV的影响。我对DV有多个观察(也就是说，每个主体响应5次)，所以我想要拟合一个混合模型(对于每个ID的重复度量)。

所以我做的是：

1. 使用博多温特斯教程-计算一个复杂的和更简单的模型之间的差异。
2. 使用lmerTest

现在，结果是非常不同的，我不知道为什么。

1. m1 <- lmer(值~ BMI + Dummy +(1区ID)，data=data) m2 <- lmer(值~ BMI +(1区ID)，data=data) anova(m1，m2)

在这里，我的结果是非常重要的

1. 要求(LmerTest)m~3<-lmer(值~ BMI +(1~BMI)，data=data) anova(m3)

在这里，我的结果一点也不重要。对不起，我不能提供一个可重复的例子，这种差异只发生在BMI效应，而不是我的其他感兴趣的影响。所以，现在我想知道:为什么你有任何建议，在某个地方我可能犯了错误？

这是我得到的输出

> m1 <- lmer(value ~ BMI + (1|ID), data=data, REML=FALSE)
> m2 <- lmer(value ~ 1 + (1|ID), data=data, REML=FALSE)
> anova(m1, m2)
Data: data
Models:
..1:value ~ 1 + (1 | ID)
object: value ~ BMI + (1 | ID)
       Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
..1     3 2188.1 2201.0 -1091.1   2182.1                             
object  4 2149.4 2166.6 -1070.7   2141.4 40.687      1  1.787e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

和

anova(lmer(value ~ BMI + (1|ID), data=data, REML=FALSE))
Analysis of Variance Table of type 3  with  Satterthwaite 
approximation for degrees of freedom
     Sum Sq Mean Sq NumDF DenDF  F.value Pr(>F)
BMI 0.17868 0.17868     1   110 0.059873 0.8072

Answer 1

在我看来，你正在考虑错误的模式为LR的技术。为测试BMI：

m1 <- lmer(值~ BMI +(1区)，data=data)

m2 <- lmer(值~1+(1区)，data=data)

诺瓦(m1，m2)

Answer 2

我不能复制这个。使用一个非常类似的例子：

library("lme4")
m1 <- lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy)
m2 <- update(m1, .~.-Days)
anova(m1,m2)
## refitting model(s) with ML (instead of REML)
## Data: sleepstudy
## Models:
## m2: Reaction ~ (1 | Subject)
## m1: Reaction ~ Days + (1 | Subject)
##    Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
## m2  3 1916.5 1926.1 -955.27   1910.5                             
## m1  4 1802.1 1814.8 -897.04   1794.1 116.46      1  < 2.2e-16 ***

现在用lmerTest

library("lmerTest")
anova(lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy,
           REML=FALSE))
## Analysis of Variance Table of type 3  with  Satterthwaite 
## approximation for degrees of freedom
##      Sum Sq Mean Sq NumDF DenDF F.value    Pr(>F)    
## Days 162703  162703     1   162  170.45 < 2.2e-16 ***

在这种情况下，普通的旧anova(refitML(m1))给出了类似的结果：

## Analysis of Variance Table
##      Df Sum Sq Mean Sq F value
## Days  1 162703  162703   170.45