模型拟合：glm vs glmmPQL答案

【问题标题】：Model fitting: glm vs glmmPQL模型拟合：glm vs glmmPQL
【发布时间】：2013-04-02 09:43:40
【问题描述】：

我正在拟合一个关于缺勤数据的模型，我想检查随机因素是否显着。为此，应将 glmm 与 glm 进行比较，并通过 LR 测试检查哪个最重要，如果我理解正确的话。

但如果我执行 ANOVA(glm,glmm) ，我会得到偏差表分析，并且没有比较模型的输出。

如何获得我想要的输出，从而比较两个模型？

提前致谢，科恩

【问题讨论】：

标签： r glm anova

【解决方案1】：

您对为此使用anova() 产生了错误的印象。 re 下方适合在 MASS 包中使用 glmmPQL()。 fe 适合使用来自 base 的 glm()：

> anova(re,fe)
#Error in anova.glmmPQL(re, fe) : 'anova' is not available for PQL fits

该消息似乎是创建 anova.glmmPQL() 的唯一原因。

请参阅此线程以进行验证和模糊解释：

【讨论】：

感谢您的帮助。如果其他人会遇到这个问题，我使用 lme4 包解决并使用我的模型执行 lmer 并将其与 GLM 进行比较。 lmer GLMM 确实给出了 AIC，因此可用于通过 AIC 比较两种模型。
如果您相信 AIC 和逻辑模型。检查一些有关该主题的书，或至少查看stats.stackexchange.com/questions/4997/… 和stats.stackexchange.com/questions/3984/…；或在tolstoy.newcastle.edu.au/R/help/05/04/2608.html发出大师的声音
@user2028748 好。我注意到在一些线程中，有人担心glm() 和lmer() 之间的可能性公式可能会有所不同。你遇到过这个吗？如果是这样，您找到解决方案了吗？
@ndoogan 是的，这是真的。他们可能会有所不同。尽管如此，我已经读过你仍然可以用它来比较它。虽然这个 AIC 比较不足以决定哪个模型是最好的，但它是一个估计。我使用了 AIC，我的随机因子在 glmm 中的值非常低，并且在将 glmm 与 glm 作为其他参数进行比较时参数估计值几乎没有变化，以从 glmm 中删除我的随机因子，从而决定 glm 将是最佳模型拟合为我的数据。

【解决方案2】：

只是anova 不适用于glmmPQL，您需要使用lme4 包中的glmer 才能使用anova。

【讨论】：