Tôi đang cố gắng để hiểu khi nào nên sử dụng một hiệu ứng ngẫu nhiên và khi nào không cần thiết. Ive đã nói với một quy tắc của ngón tay cái là nếu bạn có 4 nhóm / cá nhân trở lên mà tôi làm (15 con nai sừng tấm). Một số trong những con nai sừng tấm đã được thử nghiệm trên 2 hoặc 3 lần trong tổng số 29 thử nghiệm. Tôi muốn biết nếu họ cư xử khác nhau khi họ ở trong cảnh quan rủi ro cao hơn không. Vì vậy, tôi nghĩ rằng tôi sẽ đặt cá nhân là một hiệu ứng ngẫu nhiên. Tuy nhiên, bây giờ tôi được cho biết rằng không cần phải bao gồm cá nhân như một hiệu ứng ngẫu nhiên vì không có nhiều biến thể trong phản ứng của họ. Những gì tôi không thể tìm ra là làm thế nào để kiểm tra nếu thực sự có một cái gì đó được tính đến khi đặt cá nhân làm hiệu ứng ngẫu nhiên. Có thể một câu hỏi ban đầu là: Tôi có thể làm xét nghiệm / chẩn đoán nào để tìm hiểu xem Cá nhân có phải là biến giải thích tốt hay không và nó có phải là hiệu ứng cố định - lô qq không? biểu đồ? điểm phân tán? Và những gì tôi sẽ tìm kiếm trong các mẫu đó.
Tôi đã chạy mô hình với từng cá nhân như một hiệu ứng ngẫu nhiên và không có, nhưng sau đó tôi đọc http://glmm.wikidot.com/faq nơi họ nêu:
không so sánh các mô hình lmer với phù hợp lm tương ứng, hoặc glmer / glm; khả năng đăng nhập không tương xứng (nghĩa là chúng bao gồm các thuật ngữ phụ gia khác nhau)
Và ở đây tôi giả sử điều này có nghĩa là bạn không thể so sánh giữa một mô hình có hiệu ứng ngẫu nhiên hay không. Nhưng tôi thực sự sẽ không biết những gì tôi nên so sánh giữa họ.
Trong mô hình của tôi với hiệu ứng Ngẫu nhiên, tôi cũng đã cố gắng nhìn vào đầu ra để xem loại bằng chứng hoặc tầm quan trọng của RE có
lmer(Velocity ~ D.CPC.min + FD.CPC + (1|ID), REML = FALSE, family = gaussian, data = tv)
Linear mixed model fit by maximum likelihood
Formula: Velocity ~ D.CPC.min + FD.CPC + (1 | ID)
Data: tv
AIC BIC logLik deviance REMLdev
-13.92 -7.087 11.96 -23.92 15.39
Random effects:
Groups Name Variance Std.Dev.
ID (Intercept) 0.00000 0.00000
Residual 0.02566 0.16019
Number of obs: 29, groups: ID, 15
Fixed effects:
Estimate Std. Error t value
(Intercept) 3.287e-01 5.070e-02 6.483
D.CPC.min -1.539e-03 3.546e-04 -4.341
FD.CPC 1.153e-04 1.789e-05 6.446
Correlation of Fixed Effects:
(Intr) D.CPC.
D.CPC.min -0.010
FD.CPC -0.724 -0.437
Bạn thấy rằng phương sai và SD của tôi từ ID cá nhân là hiệu ứng ngẫu nhiên = 0. Làm thế nào là có thể? 0 có nghĩa là gì? Có đúng không? Vậy thì bạn tôi đã nói "vì không có biến thể sử dụng ID vì hiệu ứng ngẫu nhiên là không cần thiết" có đúng không? Vì vậy, sau đó tôi sẽ sử dụng nó như là một hiệu ứng cố định? Nhưng có phải thực tế là có quá ít biến thể có nghĩa là nó sẽ không cho chúng ta biết nhiều không?