Бібліотечна моваR забезпечує метод (pvals.fnc) для тестування значущості ефектів MCMC фіксованих ефектів в регресійній моделі змішаного ефекту, що підходить за допомогою lmer. Однак pvals.fnc видає помилку, коли модель lmer включає випадкові нахили.
Чи є спосіб зробити тест гіпотези MCMC таких моделей?
Якщо так, то як? (Щоб прийняти відповідь, має бути відпрацьований приклад на R) Якщо ні, чи є концептуальна / обчислювальна причина, чому немає способу?
Це питання може бути пов'язане з цим, але я не досить добре зрозумів його вміст, щоб бути певним.
Редагувати 1 : Доказ концепції, що показує, що pvals.fnc () все ще робить "щось" з lme4 моделями, але що нічого не робить із випадковими моделями нахилу.
library(lme4)
library(languageR)
#the example from pvals.fnc
data(primingHeid)
# remove extreme outliers
primingHeid = primingHeid[primingHeid$RT < 7.1,]
# fit mixed-effects model
primingHeid.lmer = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1|Subject) + (1|Word), data = primingHeid)
mcmc = pvals.fnc(primingHeid.lmer, nsim=10000, withMCMC=TRUE)
#Subjects are in both conditions...
table(primingHeid$Subject,primingHeid$Condition)
#So I can fit a model that has a random slope of condition by participant
primingHeid.lmer.rs = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1+Condition|Subject) + (1|Word), data = primingHeid)
#However pvals.fnc fails here...
mcmc.rs = pvals.fnc(primingHeid.lmer.rs)
Він говорить: Помилка в pvals.fnc (primingHeid.lmer.rs): вибірка MCMC ще не реалізована в lme4_0.999375 для моделей з параметрами випадкової кореляції
Додатковий запитання: Чи працює pvals.fnc так, як очікувалося, для випадкової перехоплення? Чи слід довіряти результатам?