lmerTest
wurde als Wrapper entwickelt, um eine Schätzung von p-values
aus lmer gemischten Modellanalysen zu ermöglichen, wobei die Schätzung von Nenner-Freiheitsgraden nach Satterthwaite (ddf) verwendet wurde. Aber scheint jetzt gebrochen zu sein. Es gibt momentan eine Nachricht zurück, dass ein interner Berechnungsfehler aufgetreten ist, und gibt nur das Imer-Ergebnis zurück (ohne p-values
). Ich konnte p-values
aus der Funktion summary() berechnen, indem ich Dan Mirmans exzellenten Code für die Berechnung der Kenward-Rogers-Schätzung von ddf nutze. Aber ich kann nicht gleichwertigen Code finden, um die p-values
in einem anova
Aufruf auf dem Imer-Modell zu berechnen. Ich vermute, dass man nur anova()
ein DDF füttern muss, aber ich kann nicht herausfinden, wie man das macht.lmer Get p-Werte von anova
Vielen Dank im Voraus an alle, die Lösungen für dieses Problem vorschlagen können.
Larry Hunsicker
Ich entschuldige mich, Alexandra. Ich verstehe jetzt, dass das Problem mit der Berechnung der Annäherung von Satterthwaite und nicht mit lmerTest ist. –
Ich habe jetzt auch die Antwort auf meine Frage oben gefunden. Die Anova-Funktion in Ihrem lmerTest-Paket bietet die Option, die Kenwood-Roger-Approximation für ddf (ddf = 'Ken') anzufordern, und dieser Aufruf Ihres anova gibt genau das, wonach ich gesucht habe. Ich habe keine Möglichkeit gefunden, die K-R-ddf-Näherung in Ihrer lmer-Funktion anzufordern. Gibt es eine Möglichkeit, K-R auch in deinem Lmer zu verwenden? Wenn nicht, könnte dies eine gute Ergänzung für Ihr Paket sein. Danke für lmerTest. –
Um die Kenward-Roger-Approximation für anova zu verwenden, können Sie anova (Modell, ddf = "kenw") schreiben und in der Zusammenfassungsfunktion können Sie ähnlich schreiben: summary (model, ddf = "kenw"). Das lmerTest-Paket verwendet die Implementierung der Kenward-Roger-Approximation des Pakets pbkrtest – Alexandra