Modeljämförelse med ANOVA
Att jämföra modeller kan vara svårt. Det finns många metoder, men de faller utanför kursens ramar – till exempel modellval (t.ex. AIC).
Variansanalys (ANOVA) är ett grundläggande alternativ för att jämföra lmer-modeller.
ANOVA testar om en modell förklarar mer variabilitet än en annan.
Detta görs genom att undersöka hur mycket variabilitet vardera modell förklarar.
Du kan till exempel undersöka om Year predicerar Crime i Maryland.
Bygg en nollmodell med enbart County som slumpmässig effekt och en årsmodell som inkluderar Year.
De två modellerna kan sedan jämföras med funktionen anova().
Om Year förklarar en signifikant mängd variabilitet kommer P-värdet att vara lägre än ditt förinställda tröskelvärde (vanligtvis 0,05).
Den här övningen är en del av kursen
Hierarkiska modeller och modeller med blandade effekter i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(___, ___)