Comparaison de modèles avec l'ANOVA
Comparer des modèles peut être difficile. Il existe de nombreuses méthodes, mais elles dépassent la portée de ce cours, comme la sélection de modèles (p. ex., l'AIC).
L'analyse de la variance (ANOVA) est une option de base pour comparer des modèles lmer.
L'ANOVA vérifie si un modèle explique plus de variabilité qu'un autre.
Elle y parvient en examinant la quantité de variabilité expliquée par les modèles.
Par exemple, vous pouvez vérifier si Year prédit Crime au Maryland.
Pour ce faire, construisez un modèle nul avec seulement County comme effet aléatoire et un modèle « année » qui inclut Year.
Vous pouvez ensuite comparer les deux modèles avec la fonction anova().
Si Year explique une part significative de la variabilité, alors la valeur p sera inférieure à votre seuil prédéterminé (généralement 0,05).
Cette activité fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(___, ___)