r-具有beta族的glmmTMB对象的模型比较

Question

我们正在使用glmmTMB软件包进行贝塔混合效应回归分析，如下所示：

mod = glmmTMB::glmmTMB(data = data,
formula = rating ~ par1 + par2 + par3 + 
(1|subject)+(1|item),
family  = glmmTMB::beta_family())

接下来，我们想运行一个模型比较——类似于用于"lm"对象的"step"函数。到目前为止，我们从MuMIn包中找到了函数"疏通"，该函数根据一个标准(例如BIC(计算嵌套模型的拟合：

MuMIn::dredge(mod, rank = 'BIC', evaluate = T)
OUTPUT:
Model selection table 
cnd((Int)) dsp((Int)) cnd(par1)  cnd(par2)  cnd(par3) df   logLik     BIC delta weight
2      1.341          +  -0.4466                        5 2648.524 -5258.3  0.00  0.950
6      1.341          +  -0.4466              0.03311   6 2648.913 -5251.3  6.97  0.029
4      1.341          +  -0.4468   -0.005058            6 2648.549 -5250.6  7.70  0.020
8      1.341          +  -0.4470   -0.011140  0.03798   7 2649.025 -5243.8 14.49  0.001
1      1.321          +                                 4 2604.469 -5177.9 80.36  0.000
5      1.321          +                       0.03116   5 2604.856 -5171.0 87.34  0.000
3      1.321          +            -0.001771            5 2604.473 -5170.2 88.10  0.000
7      1.321          +            -0.007266  0.03434   6 2604.909 -5163.3 94.98  0.000

然而，我们想知道这些嵌套模型之间的拟合差异是否具有统计学意义。对于具有正态分布因变量的lms，我们将使用方差分析，但这里我们不确定它是否适用于具有贝塔分布或glmmTMB对象的模型。

Answer 1

您可以使用buildmer包对glmmTMB模型进行逐步回归(您也应该阅读有关逐步回归的批评(。然而，你的问题的简短答案是，实现似然比测试的anova()方法是用于嵌套模型的glmmTMB拟合的成对比较的，并且该理论运行得很好。一些更重要的假设是：(1(没有违反任何模型假设[独立性、条件分布的选择、适当尺度上的线性、随机效应的正态性等]；(2( 模型是嵌套的，并且应用于相同的数据集；(3( 样本量足够大，渐近方法是适用的。