Modellvergleich mit ANOVA
Modelle zu vergleichen, kann schwierig sein. Es gibt viele Methoden, die über den Rahmen dieses Kurses hinausgehen, etwa Modellselektion (z. B. AIC).
Die Varianzanalyse (ANOVA) ist eine grundlegende Option, um lmer-Modelle zu vergleichen.
Mit der ANOVA prüfst du, ob ein Modell mehr Variabilität erklärt als ein zweites Modell.
Das geschieht, indem die durch die Modelle erklärte Variabilität untersucht wird.
Zum Beispiel kannst du prüfen, ob Year Crime in Maryland vorhersagt.
Dazu erstellst du ein Nullmodell mit County als einzigem Zufallseffekt und ein Jahresmodell, das Year enthält.
Anschließend kannst du die beiden Modelle mit der Funktion anova() vergleichen.
Wenn Year einen signifikanten Anteil der Variabilität erklärt, ist der p-Wert kleiner als dein vorab festgelegter Schwellenwert (in der Regel 0,05).
Diese Übung ist Teil des Kurses
<Kurs>Hierarchische und gemischte Effekte-Modelle in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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(___, ___)