如何获得嵌套logit glmer模型中每个系数的p值(使用lme4)？

Question

我正在运行以下代码：

library(lme4)
library(nlme)
nest.reg2 <- glmer(SS ~  (bd|cond), family = "binomial", 
    data = combined2)
coef(nest.reg2)
summary(nest.reg2) 

它产生以下输出：

• 系数

$cond    
          bd (Intercept)
LL -1.014698    1.286768   
no -3.053920    4.486349
SS -5.300883    8.011879

• 摘要

Generalized linear mixed model fit by maximum likelihood (Laplace
  Approximation) [glmerMod]
 Family: binomial  ( logit )
Formula: SS ~ (bd | cond)
   Data: combined2

     AIC      BIC   logLik deviance df.resid 
  1419.7   1439.7   -705.8   1411.7     1084 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-8.0524 -0.8679 -0.4508  1.0735  2.2756 

Random effects:
 Groups Name        Variance Std.Dev. Corr 
 cond   (Intercept) 33.34    5.774         
        bd          13.54    3.680    -1.00
Number of obs: 1088, groups:  cond, 3

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)  
(Intercept)  -0.3053     0.1312  -2.327     0.02 *

我的问题是如何检验每个系数对于这个模型的重要性？摘要函数似乎只为拦截提供p值，而不是系数。

当我尝试anova(nest.reg2)时，我什么也得不到，只是：

Analysis of Variance Table
     Df Sum Sq Mean Sq F value

我尝试了这里提出的解决方案(如何在lme4混合模型中获得效果的p值(检查意义)？)都没有用。

为了澄清，cond变量是一个具有三个级别(SS、no和LL)的因素，我认为coef命令在每个级别为连续的bd变量生成系数，所以我要做的是测试这些系数的重要性。

Answer 1

这里有几个问题。

• 主要是你只能对固定的效应系数进行显着性测试；你已经对模型进行了编码，没有固定的效果。你可能在找

glmer(SS ~ bd + (1|cond), ...)

它将模拟bd水平之间的总体(总体水平)差异，并包括cond水平之间的截距变化。

• 如果在每个bd组中表示了多个级别的cond，那么原则上也可以允许cond组之间的治疗效果不同：

glmer(SS ~ bd + (bd|cond), ...)

• 然而，你还有另一个问题。在实践中，三组(即cond水平)并不足以估计各组之间的变异性。这就是为什么您在输出中看到了-1.00的相关性，这表明您有一个奇异的匹配(例如，请参阅这里以获得更多的讨论)。
• 因此，另一种可能是直接将cond视为一种固定的效应(调整cond的对比，使bd的主要效应被估计为跨组的平均效果，而不是cond基线水平的影响)。

glm(SS~bd*cond,contrasts=list(cond=contr.sum),...)