R lmerモデル：自由度とカイ2乗値はゼロです
次のモデルを作成しました。
full <- lmer(DV~ A*B + (1|speaker), data, REML=FALSE)
A <- lmer(DV~ A+ A:B + (1|speaker), data, REML=FALSE)
B <- lmer(DV~ B+ A:B + (1|speaker), data, REML=FALSE)
interaction <- lmer(DV~ A + B + (1|speaker), data, REML=FALSE)
私はanovaを使用して、最初の完全なモデルを他のモデルと比較します。
anova(full, A)
anova(full, B)
anova(full, interaction)
最初の2つの比較では、以下に示すように、dfとカイ2乗の両方の値がゼロの結果が生成されました。
ただし、ヌルモデルをAまたはBのみを含む別のモデルと比較しようとしました。
null <- lmer(DV~ 1 + (1|speaker), data, REML=FALSE)
AA <- lmer(DV~ A + (1|speaker), data, REML=FALSE)
BB <- lmer(DV~ B + (1|speaker), data, REML=FALSE)
AB <- lmer(DV~ A:B + (1|speaker), data, REML=FALSE)
すべての比較で妥当な結果が生成されました（つまり、0 dfではなく、すべての比較が重要です）
私はオンラインで見て、この投稿を見つけました： https://www.researchgate.net/post/What_is_a_Likelihood_ratio_test_with_0_degree_of_freedom
そして、私の推測では、おそらく私の完全なモデルでは、相互作用は主な効果（AとB）なしですべてを予測できる可能性があります。
いくつかの質問を聞きたいんです：
- 私の推測はおそらく本当ですか？
- それが本当なら、なぜ帰無モデルとの比較が有意な効果を示したのですか？
- より一般的なスケールでは、線形混合効果モデルを作成するときに、ヌルモデルから始めて、一度に因子を追加してから、以前のモデルと比較できますか？または、フルモデルから削減する必要がありますか？
- ベースモデルとしてA + Bを使用する場合：
base <- lmer(DV~ A+B + (1|speaker), data, REML=FALSE)
A <- lmer(DV~ A + (1|speaker), data, REML=FALSE)
B <- lmer(DV~ B + (1|speaker), data, REML=FALSE)
interaction <- lmer(DV~ A*B + (1|speaker), data, REML=FALSE)
基本モデルとA、B、相互作用の比較をそれぞれ報告しても大丈夫ですか？
ここでデータファイルとRマークダウンドキュメントを見つけてください：dropbox.com/sh/88m8h6blow2xbn5/AABiNccsUlu3AlfPyamQP4n_a？dl = 0この投稿R lmerモデルのRスクリプトで使用した手順についても質問しました：要素を追加するか減らす要因
助けていただければ幸いです。ありがとうございました！
回答
これは、モデルを起こるfull、AそしてB実際には同じです。それらは単に異なる方法でパラメータ化されています。これを確認するには、完全なモデルの推定値を調べます。
(Intercept) 6.03977 0.34949 17.282
AT2 -0.55051 0.07597 -7.246
AT3 -1.16472 0.07597 -15.331
AT4 0.48228 0.07597 6.348
BS -0.64024 0.07597 -8.427
AT2:BS 0.35379 0.10744 3.293
AT3:BS 0.47244 0.10824 4.365
AT4:BS 0.05247 0.10744 0.488
モデルAでは、変数の主効果を削除してBから、次のものを取得します。
Estimate Std. Error t value
(Intercept) 6.03977 0.34949 17.282
AT2 -0.55051 0.07597 -7.246
AT3 -1.16472 0.07597 -15.331
AT4 0.48228 0.07597 6.348
AT1:BS -0.64024 0.07597 -8.427
AT2:BS -0.28645 0.07597 -3.770
AT3:BS -0.16781 0.07710 -2.177
AT4:BS -0.58777 0.07597 -7.737
私たちはすぐにインターセプトの見積もりがいることを確認AT2-AT4同じです。推定AT1:BS第2のモデルでは、メイン効果の推定値と同一であるBフルモデルにおける（第2のモデルは、のための主要な効果は含まれていないためB）。次に、同じ理由で、2番目のモデルの残りの交互作用項Bは、完全なモデルの主効果と同等の交互作用項の合計になります。
> -0.64024 + 0.35379
[1] -0.28645
> -0.64024 + 0.47244
[1] -0.1678
> -0.64024 + 0.05247
[1] -0.58777
相互作用を含むモデルには、常に両方の主効果を含めることをお勧めします。このタイプの問題は発生しません。