我試圖在開始使用固定術語之前選擇GLMM中最好的隨機效果結構。爲此，我包括了所有固定效應及其相互作用（超出最優模型），然後嘗試使用隨機因子的不同組合。我正在使用公式lmer（）。模型用REML估算。然後我得到每個模型的AIC（），然後比較它們。選擇GLMM中隨機效果的最佳結構
但我想知道沒有隨機效應的模型的AIC。我讀過，然後我應該使用gls（）。但我也可以使用glm（）。與gls相同型號的AIC和glm相同型號的AIC非常不同。
這是在GLMM中選擇最佳隨機效應結構的最佳方法嗎？我可以比較用lmer（）得到的AIC值與用gls或glm得到的其他AIC值嗎？
謝謝，最好的問候！
我也一直在尋找一個很好的解決方案來測試GLMM的替代隨機效應結構。有一些偉大的discussion on the topic here.挑戰的最佳總體概述是summarized pretty well here。但大多數情況下，解決方案的配置似乎正在開發中，或者對於大多數評論者來說太過於遙遠，其他讀者也可以通過其他讀者瞭解。問題是隨着隨機效應成分的複雜性增加，AIC分數通常會降低，但這些模型可能仍然過度擬合數據。我傾向於根據實驗設計，實用性和直覺建立隨機效應結構。
我通過隨機分割原始數據into training and testing sets，然後比較競爭模型中的AUC分數，測試了GLMM的替代隨機效應結構。我不確定這是否是完美的解決方案，但它對我來說似乎很好。
不知道這是否會工作，或者如果它甚至是一個合適的解決方案。但是，在比較AIC得分時，紅色模型和嵌套隨機效應似乎是最好的。在這裏通過交叉驗證，我們可以看到單獨的PlotID的單一隨機效應（綠色）與具有更復雜的隨機效應結構的競爭模型一樣好。
其可能在這裏看到，隨着PlotID的一個隨機攔截模型只是作爲模型
好這可能是[交叉驗證]更好（http://stats.stackexchange.com）。你能向我們展示一個[可重現的例子]（http://tinyurl.com/reproducible-000）嗎？ – 2015-01-05 15:24:05