Comparaison de modèles avec une ANOVA
Comparer des modèles peut être délicat. De nombreuses méthodes existent, mais elles dépassent le cadre de ce cours, comme la sélection de modèles (p. ex., AIC).
L’analyse de la variance (ANOVA) offre une option de base pour comparer des modèles lmer.
L’ANOVA teste si un modèle explique plus de variabilité qu’un autre.
Elle le fait en examinant la part de variabilité expliquée par les modèles.
Par exemple, vous pouvez vérifier si Year prédit Crime dans le Maryland.
Pour cela, construisez un modèle nul avec uniquement 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 quantité significative de variabilité, alors la valeur p sera inférieure à votre seuil prédéfini (généralement 0,05).
Cet exercice fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(___, ___)