LMEM：卡方= 0，問題= 1 - 我的代碼出了什麼問題？

Question

我對某些數據運行LMEM（線性混合效應模型），並將模型（成對）與anova函數進行比較。但是，在特定的數據子集上，我收到了無意義的結果。

這是我的全部型號：

m3_full <- lmer(totfix ~ psource + cond + psource:cond + 
    1 + cond | subj) + (1 + psource + cond | object), data, REML=FALSE) 

這是我比較它的模型：（基本上輟學的主要影響之一）

m3_psource <- lmer (totfix ~ psource + cond + psource:cond - 
psource + (1 + cond | subj) + (1 + psource + cond | object), 
    data, REML=FALSE) 

運行anova()功能（anova(m3_full, m3_psource) returns Chisq = 0，pr>（Chisq）= 1

我對其他一些LMEMs也是這樣做的，一切看起來都很好，只是這個特殊的resp這個值給我奇怪的卡方和概率值。任何人都有一個想法，爲什麼以及如何修復它？任何幫助都感激不盡！

Answer 1

這實際上並不是一個混合模型特有的問題，而是與R從公式（以及可能與模型比較的邏輯）構建模型矩陣的方式有關。

讓我們縮小它

form1 <- ~ psource + cond + psource:cond 

和

form2 <- ~ psource + cond + psource:cond - psource 

（其等同於~cond + psource:cond）之間的比較。這兩個公式給出了等價的模型矩陣，即具有相同列數的模型矩陣，跨越相同的設計空間，並給出相同的整體擬合優度。

製作了一個最小數據集探索：

dd <- expand.grid(psource=c("A","B"),cond=c("a","b")) 

什麼構造變量，我們會得到每個公式？

colnames(model.matrix(form1,data=dd)) 
## [1] "(Intercept)" "psourceB"  "condb"   "psourceB:condb" 

colnames(model.matrix(form2,data=dd)) 
## [1] "(Intercept)" "condb"   "psourceB:conda" "psourceB:condb" 

我們得到相同數量的對比。

對此問題有兩種可能的答案。

1. 有思想的一所學校（由內爾德，維納布爾斯等：如看到代表維納布爾斯著名的（？），但是未公佈exegeses on linear models，在principle of marginality部分5，或維基百科），指出它不」在交互條件的存在下嘗試測試主效應是有意義的，這就是你想要做的。

2. 有偶爾情況下（例如，在前後對照控制影響力的設計，其中「前」的控制和影響之間的差異被稱爲是零由於實驗協議），您真的想這樣做這個比較。在這種情況下，您必須製作自己的虛擬變量並將其添加到數據中，例如

## set up model matrix and drop intercept and "psourceB" column 
dummies <- model.matrix(form1,data=dd)[,-(1:2)] 
## d='dummy': avoid colons in column names 
colnames(dummies) <- c("d_cond","d_source_by_cond") 
colnames(model.matrix(~d_cond+d_source_by_cond,data.frame(dd,dummies))) 
## [1] "(Intercept)"  "d_cond"   "d_source_by_cond" 

這是一個麻煩。我猜測這很困難的原因是，R和S的原作者之前是來自思想學派＃1，並認爲通常當人們試圖這樣做時，這是一個錯誤;他們並沒有做到不可能，但他們並沒有竭盡全力讓事情變得容易。