Comparação de modelos com ANOVA
Comparar modelos pode ser difícil. Existem muitos métodos, embora estejam além do escopo deste curso, como seleção de modelos (por exemplo, AIC).
A Análise de Variância (ANOVA) é uma opção básica para comparar modelos lmer.
A ANOVA testa se um modelo explica mais variabilidade do que um segundo modelo.
Ela faz isso examinando a quantidade de variabilidade explicada pelos modelos.
Por exemplo, você pode verificar se Year prediz Crime em Maryland.
Para fazer isso, construa um modelo nulo com apenas County como efeito aleatório e um modelo com ano que inclua Year.
Você pode então comparar os dois modelos usando a função anova().
Se Year explicar uma quantidade significativa de variabilidade, o valor de P será menor que o seu limite pré-especificado (geralmente 0,05).
Este exercício faz parte do curso
Modelos Hierárquicos e de Efeitos Mistos em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(___, ___)