anova（）在與lmerTest一起使用時不顯示p值

我正在嘗試使用lmerTest爲我的固定效果設置p值。我有4個不同的隨機截距，3交叉，一個嵌套：anova（）在與lmerTest一起使用時不顯示p值

test.reml <- lmerTest::lmer(y ~ s1 + min + cot + min:cot + ge 
+ vis + dur + mo + nps + dist + st1 + st2 + di1 + s1:cot 
+ s1:min + s1:cot:min + s1:ge + s1:vis + s1:dur + s1:mo 
+ s1:nps + s1:dist + s1:st1 + s1:st2 + s1:di1 + (1|Unique_key) 
+ (s1-1|object) + (ns1-1|object) 
+ (1|region), bdr, REML=1)

目的觀察兩次，兩種測量之間的相關性是通過在Unique_key，所述對象的唯一標識符的隨機效應引入我在一個地區j。每個對象都可以在任何地區觀察到。 S1是一個二進制變量，如果第一個時間段和第一個時間段觀測到觀測值，則取值爲1。每個物體的第一個週期有一個隨機截距，第二個週期有一個隨機截取。 ns1實際上是一個二進制變量，它是每個觀測的s1和s1 + ns1 = 1的補數。

我可以擬合模型，並得到了估計和p值與總結（）：

summary(test.reml) 
Linear mixed model fit by REML ['merModLmerTest'] 
Formula: y ~ s1 + min + cot + min:cot + ge 
    + vis + dur + mo + nps + dist + st1 + st2 + di1 + s1:cot 
    + s1:min + s1:cot:min + s1:ge + s1:vis + s1:dur + s1:mo 
    + s1:nps + s1:dist + s1:st1 + s1:st2 + s1:di1 + (1|Unique_key) 
    + (s1-1|object) + (ns1-1|object) 
    + (1|region), bdr, REML=1) 
    Data: bdr 

REML criterion at convergence: 204569.1 

Random effects: 
Groups  Name  Variance Std.Dev. 
Unique_key (Intercept) 0.2023 0.4497 
object s1   0.3528 0.5940 
object.1 ns1   0.5954 0.7716 
Region  (Intercept) 0.7563 0.8697 
Residual    0.1795 0.4237 
Number of obs: 113396, groups: Unique_key , 58541; object, 1065; Region, 87 

Fixed effects: 
        Estimate Std. Error t value Pr(>|t|)  
(Intercept)  6.7341569 0.2382673 28.263 < 2e-16 *** 
s1     0.7391924 0.2004413 3.688 0.000233 *** 
min    -0.0067606 0.0171385 -0.394 0.694205  
cot    0.1235093 0.0353693 3.492 0.000499 *** 
ge2    -0.1535452 0.0800998 -1.917 0.055525 . 
ge3    -0.2131246 0.0986559 -2.160 0.030982 * 
ge4    -0.1032694 0.1115603 -0.926 0.354830  
ge5    -0.1769347 0.1296558 -1.365 0.172663  
ge6    0.0117401 0.1115897 0.105 0.916231  
ge7    -0.2692483 0.1022565 -2.633 0.008589 ** 
vis2    -0.0928661 0.0607950 -1.528 0.126938  
vis3    -0.3026112 0.1246595 -2.428 0.015375 * 
dur2    0.1479195 0.0786369 1.881 0.060249 . 
dur3    0.1406340 0.0809379 1.738 0.082590 . 
dur4    0.2742243 0.0884301 3.101 0.001981 ** 
dur5    0.1946761 0.1065815 1.827 0.068059 . 
mo2    -0.1168591 0.1256017 -0.930 0.352386  
mo3    -0.0611162 0.1267657 -0.482 0.629824  
mo4    -0.2725720 0.1263740 -2.157 0.031248 * 
mo5    -0.6107000 0.1379264 -4.428 1.05e-05 *** 
mo6    -0.3635142 0.1299799 -2.797 0.005260 ** 
mo7    -0.0899233 0.1275164 -0.705 0.480846  
mo8    -0.2349548 0.1253422 -1.875 0.061140 . 
mo9    -0.2624888 0.1263051 -2.078 0.037934 * 
mo10    -0.2882749 0.1244404 -2.317 0.020724 * 
mo11    -0.1702823 0.1356031 -1.256 0.209497  
mo12    0.1989155 0.1322339 1.504 0.132819  
nps    0.0278418 0.0010393 26.790 < 2e-16 *** 
dist2    0.4065093 0.1118916 3.633 0.000294 *** 
dist3    0.0155691 0.0906664 0.172 0.863693  
dist4    -0.2910960 0.1595805 -1.824 0.068424 . 
dist5    -0.1316553 0.0913394 -1.441 0.149782  
dist6    0.0477956 0.0995679 0.480 0.631308  
dist7    0.1383000 0.0981247 1.409 0.159011  
dist8    -0.3985620 0.0886316 -4.497 7.69e-06 *** 
dist9    -0.2036683 0.0799584 -2.547 0.011005 * 
st11    -0.0258775 0.0591631 -0.437 0.661919  
st21    0.0089230 0.0573352 0.156 0.876356  
di11    -0.0910207 0.0838321 -1.086 0.277846  
min:cot   0.0066210 0.0006195 10.688 < 2e-16 *** 
s1:cot   -0.1505670 0.0443186 -3.397 0.000694 *** 
s1:min    0.0079478 0.0015051 5.280 1.29e-07 *** 
s1:ge2    0.0329272 0.1007943 0.327 0.743948  
s1:ge3    0.2150927 0.1241590 1.732 0.083367 . 
s1:ge4    0.1786057 0.1404119 1.272 0.203526  
s1:ge5   -0.0422380 0.1631757 -0.259 0.795780  
s1:ge6    0.1372051 0.1404415 0.977 0.328717  
s1:ge7    0.1343314 0.1287059 1.044 0.296755  
s1:vis2   0.1354091 0.0765084 1.770 0.076913 . 
s1:vis3   0.2449180 0.1568745 1.561 0.118637  
s1:dur2   -0.0888179 0.0989573 -0.898 0.369547  
s1:dur3   -0.0532473 0.1018481 -0.523 0.601167  
s1:dur4   -0.1239068 0.1112907 -1.113 0.265696  
s1:dur5   -0.1191069 0.1341435 -0.888 0.374705  
s1:mo2   -0.1357615 0.1574365 -0.862 0.388618  
s1:mo3    0.0130976 0.1588743 0.082 0.934306  
s1:mo4    0.0343900 0.1579532 0.218 0.827669  
s1:mo5    0.2257241 0.1732449 1.303 0.192761  
s1:mo6    0.0500347 0.1628755 0.307 0.758728  
s1:mo7   -0.0451271 0.1596277 -0.283 0.777435  
s1:mo8   -0.0200467 0.1572383 -0.127 0.898564  
s1:mo9    0.0394005 0.1584268 0.249 0.803620  
s1:mo10   0.0641038 0.1562518 0.410 0.681662  
s1:mo11   -0.3136235 0.1703456 -1.841 0.065764 . 
s1:mo12   -0.7003775 0.1660455 -4.218 2.58e-05 *** 
s1:nps   -0.0095428 0.0013077 -7.297 4.31e-13 *** 
s1:dist2   -0.3867962 0.1407463 -2.748 0.006050 ** 
s1:dist3   -0.0516400 0.1140519 -0.453 0.650762  
s1:dist4   -0.0567491 0.2008542 -0.283 0.777562  
s1:dist5   0.0025780 0.1147143 0.022 0.982073  
s1:dist6   -0.1456445 0.1252219 -1.163 0.244940  
s1:dist7   -0.0452712 0.1234110 -0.367 0.713785  
s1:dist8   0.0546400 0.1114865 0.490 0.624117  
s1:dist9   0.0540697 0.1000415 0.540 0.588934  
s1:st11   0.0784027 0.0744677 1.053 0.292549  
s1:st21   -0.0394419 0.0721720 -0.546 0.584788  
s1:di11   0.0463040 0.1055326 0.439 0.660882  
s1:min:cot  -0.0012850 0.0006004 -2.140 0.032344 * 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

但方差分析（）我得到：

type3.bonmodele <- lmerTest::anova(test.reml, ddf="Satterthwaite") 
Analysis of Variance Table 
        Df Sum Sq Mean Sq F value 
s1     1 7.385 7.385 41.1448 
min    1 0.081 0.081 0.4536 
cot    1 29.384 29.384 163.7026 
ge     6 25.198 4.200 23.3968 
vis    2 0.464 0.232 1.2929 
dur    4 22.763 5.691 31.7042 
mo    11 15.581 1.416 7.8914 
nps    1 234.535 234.535 1306.6487 
dist    8 18.547 2.318 12.9162 
st1    1 0.034 0.034 0.1879 
st2    1 0.058 0.058 0.3220 
di1    1 0.261 0.261 1.4549 
min:cot   1 22.537 22.537 125.5611 
s1:cot    1 9.146 9.146 50.9555 
s1:min    1 18.383 18.383 102.4171 
s1:ge    6 5.152 0.859 4.7843 
s1:vis    2 1.698 0.849 4.7311 
s1:dur    4 2.829 0.707 3.9404 
s1:mo    11 8.157 0.742 4.1312 
s1:nps    1 10.102 10.102 56.2803 
s1:dist   8 2.233 0.279 1.5550 
s1:st1    1 0.188 0.188 1.0481 
s1:st2    1 0.046 0.046 0.2560 
s1:di1    1 0.035 0.035 0.1927 
s1:min:cot   1 0.822 0.822 4.5804

當我試圖刪除三重交互anova（）函數返回p值...我也嘗試拆分我的數據框，並在一半的數據上適合模型，anova（）很適合。

當我使用函數時，沒有任何警告，我也嘗試更改ddf選項和方法，但似乎沒有任何工作。

這裏是我的會話信息：

R version 3.0.0 (2013-04-03) 
Platform: x86_64-w64-mingw32/x64 (64-bit) 

locale: 
[1] LC_COLLATE=French_Canada.1252 LC_CTYPE=French_Canada.1252 LC_MONETARY=French_Canada.1252 LC_NUMERIC=C     
[5] LC_TIME=French_Canada.1252  

attached base packages: 
[1] parallel splines stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] ggplot2_0.9.3.1 snow_0.3-13  Snowball_0.0-10 xtable_1.7-1 lmerTest_2.0-0 pbkrtest_0.3-7 MASS_7.3-29  
[8] papeR_0.3  gmodels_2.15.4 survival_2.37-4 nlme_3.1-111 car_2.0-19  lme4_1.1-1  Matrix_1.1-0 
[15] lattice_0.20-15 

loaded via a namespace (and not attached): 
[1] bitops_1.0-6  caTools_1.16  cluster_1.14.4  colorspace_1.2-4 dichromat_2.0-0 digest_0.6.3  
[7] gdata_2.13.2  gplots_2.12.1  grid_3.0.0   gtable_0.1.2  gtools_3.0.0  Hmisc_3.12-2  
[13] KernSmooth_2.23-10 labeling_0.2  minqa_1.2.1  munsell_0.4.2  nnet_7.3-7   numDeriv_2012.9-1 
[19] plyr_1.8   proto_0.3-10  RColorBrewer_1.0-5 RCurl_1.95-4.1  reshape2_1.2.2  rJava_0.9-4  
[25] ROAuth_0.9.3  rpart_4.1-3  scales_0.2.3  stringr_0.6.2  tools_3.0.0  twitteR_1.1.7

我不能共享數據，但如果需要，我可以添加更多的相關信息！我想使用Satterthwaite逼近度來獲得自由度，但如果您有任何其他建議來獲得p值，請分享！非常感謝！

來源

2013-11-26 Thomas W. Boquet

如果在lmerTest中發生一些錯誤，那麼默認情況下會給出來自lme4的anova。所以在你的情況下發生了一些錯誤，但是很難說沒有對數據進行測試。可能是由於grad函數的簡單方法，這是默認的。你可以試試：anova（test.reml，method.grad =「Richardson」）。否則就像我說的很難說沒有看例子...

亞歷山德拉庫茲涅佐娃

來源

2013-11-26 20:14:06 Alexandra

謝謝亞歷山德拉。我嘗試將method.grad更改爲Richardson，但得到了相同的結果。就像我在之前的文章中所說的那樣，當我刪除s1：min：cot的固定效果時，我可能會得到ddf和p值的Satterthwaite近似值。我做了一個測試，觀察次數減少了0.1％，它的工作原理... –

anova（）在與lmerTest一起使用時不顯示p值

回答

相關問題