Porównanie modeli za pomocą ANOVA
Porównywanie modeli bywa trudne. Istnieje wiele metod, choć wykraczają one poza zakres tego kursu – na przykład selekcja modeli (np. AIC).
Analiza wariancji (ANOVA) to podstawowa opcja porównywania modeli lmer.
ANOVA sprawdza, czy jeden model wyjaśnia więcej zmienności niż drugi.
Robi to, analizując ilość zmienności wyjaśnianej przez każdy z modeli.
Na przykład możesz sprawdzić, czy zmienna Year przewiduje Crime w stanie Maryland.
W tym celu zbuduj model zerowy zawierający jedynie County jako efekt losowy oraz model z rokiem, który uwzględnia Year.
Następnie porównaj oba modele, używając funkcji anova().
Jeśli Year wyjaśnia istotną część zmienności, wartość p będzie mniejsza niż przyjęty próg (zazwyczaj 0,05).
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___, ___)