Porovnání modelů pomocí ANOVA
Porovnávání modelů může být náročné. Existuje celá řada metod, které ale přesahují rozsah tohoto kurzu – například výběr modelu pomocí AIC.
Základní možností pro porovnání modelů lmer je analýza rozptylu (ANOVA).
ANOVA testuje, zda jeden model vysvětluje více variability než druhý.
Dělá to tak, že porovnává množství variability, které jednotlivé modely vysvětlují.
Například můžeš zjistit, zda Year předpovídá Crime v Marylandu.
K tomu sestav nulový model obsahující pouze County jako náhodný efekt a model s rokem, který zahrnuje Year.
Oba modely pak porovnáš pomocí funkce anova().
Pokud Year vysvětluje významné množství variability, bude P-hodnota nižší než tvůj předem stanovený práh (obvykle 0,05).
Toto cvičení je součástí kurzu
Hierarchické a smíšené modely s náhodnými efekty v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Build the Null model with only County as a random-effect
null_model <- lmer(Crime ~ (1 | ___) , data = md_crime)
# Build the Year2 model with Year2 as a fixed and random slope and County as the random-effect
year_model <- lmer(Crime ~ ___ + (1 + ___ | ___) , data = md_crime)
# Compare null_model and year_model using an anova
anova(___, ___)