Tôi có ấn tượng rằng hàm lmer()trong lme4gói không tạo ra giá trị p (xem lmer, giá trị p và tất cả những thứ đó ).
Tôi đã sử dụng các giá trị p được tạo ra MCMC thay cho câu hỏi này: Hiệu ứng đáng kể trong lme4mô hình hỗn hợp và câu hỏi này: Không thể tìm thấy giá trị p trong đầu ra từ lmer()trong lm4góiR .
Gần đây tôi đã thử một gói có tên là memisc và nó getSummary.mer()để có được các hiệu ứng cố định của mô hình của tôi vào một tệp csv. Như thể bằng phép thuật, một cột được gọi pxuất hiện khớp với các giá trị p MCMC của tôi cực kỳ chặt chẽ (và không chịu thời gian xử lý khi sử dụng pvals.fnc()).
Tôi đã tạm thời xem mã getSummary.mervà đã phát hiện ra dòng tạo ra giá trị p:
p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2
Điều này có nghĩa là giá trị p có thể được tạo trực tiếp từ lmerđầu ra chứ không phải chạy pvals.fnc? Tôi nhận ra điều này chắc chắn sẽ bắt đầu cuộc tranh luận 'tôn sùng giá trị p' nhưng tôi rất muốn biết. Tôi chưa từng nghe memiscnhắc đến trước đây lmer.
Nói ngắn gọn hơn: lợi ích (nếu có) của việc sử dụng giá trị p MCMC so với giá trị được tạo bởi là getSummary.mer()gì?
mcmcsamp() không có sẵn vì một số vấn đề (Người ta có thể kiểm tra Status of mcmcsampphần trong glmm.wikidot.com/faq để biết thêm chi tiết). Tôi cảm thấy rằng tại thời điểm hiện tại, có lẽ (tham số?) Bootstrapping là khả thi - và không quá khó để thực hiện - thay thế; các bootMer()functiom có thể phục vụ.
memisclà các giá trị p từ việc xử lý các thống kê kiểm tra quan sát dưới dạng thống kê Wald (coi t là Wald z trong trường hợp này). Một thử nghiệm như vậy dựa trên giả định "mẫu lớn" và do đó ngày càng đáng tin cậy hơn khi kích thước mẫu của bạn ngày càng lớn. Giá trị dựa trên MCMC, theo hiểu biết của tôi, không dựa trên giả định như vậy. Vì vậy, dù sao, đọc một chút về các bài kiểm tra Wald và các lựa chọn thay thế cho chúng có thể giúp làm sáng tỏ thêm câu hỏi của bạn.
getSummary.mermemisc