Выбор наилучшей структуры случайных эффектов в GLMM
Я пытаюсь выбрать лучшую структуру случайных эффектов в GLMM, прежде чем начинать с фиксированных терминов. Чтобы сделать это, я включаю все фиксированные эффекты и их взаимодействия (за пределами оптимальной модели), а затем я пытаюсь с различными комбинациями случайных факторов. Я использую формулу lmer(). Модели оценивались с помощью REML. Затем я получаю AIC() каждой модели и сравниваю их.
Но я хочу знать также AIC модели без случайных эффектов. Я прочитал это, тогда я должен использовать gls(). Но я мог бы также использовать glm(). И AIC одной и той же модели с gls и той же модели с glm, очень разные.
Это лучший способ выбрать лучшую структуру случайных эффектов в GLMM? Могу ли я сравнить значения AIC, полученные с помощью lmer (), с другими значениями AIC, полученными с помощью gls или glm??
Спасибо и всего наилучшего!
2 ответа
Я также искал хорошее решение для тестирования альтернативных структур случайных эффектов для GLMM. Здесь есть отличная дискуссия на эту тему. Лучший общий обзор проблем здесь довольно кратко изложен. Но по большей части многие решения находятся в стадии разработки или слишком далеки от понимания для рецензентов, соавторов и других читателей. Проблема заключается в том, что, поскольку сложность компонента со случайным эффектом увеличивается, баллы AIC, как правило, будут ниже, но эти модели могут все же переоценивать данные. Я хотел бы настроить структуру случайных эффектов в соответствии с планом эксперимента, практичностью и интуицией.
Я протестировал альтернативные структуры случайных эффектов для GLMM путем случайного разделения исходных данных на наборы для обучения и тестирования, а затем сравнил оценки AUC по конкурирующим моделям. Я не уверен, что это идеальное решение, но мне показалось, что оно хорошо работает.
Не уверен, будет ли это работать или это даже подходящее решение. Но, сравнивая оценки AIC, модель в красном с вложенными случайными эффектами казалась лучшей. Здесь с помощью перекрестной проверки мы видим, что один случайный эффект одного только PlotID (зеленый) так же хорош, как и конкурирующая модель с более сложной структурой случайных эффектов.
здесь можно увидеть, что модель с одним случайным перехватом PlotID была так же хороша, как и модель
При выборе случайного эффекта вы можете захотеть, чтобы он был максимальным и соответствовал вашему дизайну. См. эту ссылку для получения дополнительной информации: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3881361/