У мене було враження, що функція lmer()в lme4пакеті не виробляє р-значень (див. lmer, P-значення та все таке ).
Я використовую MCMC згенерованих значень р замість як на це питання: Значний ефект в lme4змішаній моделі і на це питання: Чи не вдається знайти р-значення у виведенні з lmer()в lm4пакеті вR .
Нещодавно я спробував пакет під назвою memisc та його, getSummary.mer()щоб отримати фіксовані ефекти моєї моделі у файл csv. Як би за допомогою магії, з'являється стовпчик, що називається p, який надзвичайно точно відповідає моїм p-значенням MCMC (і не переживає часу обробки, який поставляється з використанням pvals.fnc()).
Я попередньо переглянув код у getSummary.merі помітив рядок, що генерує p-значення:
p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2
Чи може це означає, що значення p можна генерувати безпосередньо з lmerвихідних даних, а не працює pvals.fnc? Я усвідомлюю, що це, без сумніву, розпочне дебати про «p-значення фетишизму», але мені цікаво знати. Я не чув вже memiscзгадуваного раніше, коли це стосується lmer.
Щоб бути більш лаконічним: Яка вигода (якщо така є) від використання p-значень MCMC над тими, що генеруються getSummary.mer()?
mcmcsamp()він недоступний через цілий ряд питань (можна ознайомитись з Status of mcmcsampрозділом у glmm.wikidot.com/faq для отримання більш детальної інформації). Я відчуваю, що на даний момент, ймовірно (параметричне?) Завантажувальне завантаження є життєздатною - і не надто складною для реалізації - альтернативою; bootMer()Functiom може бути корисним.
memiscє значеннями p від трактування спостережуваної статистики тестів як статистики Wald (трактуючи t як Wald z в цьому випадку). Такий тест спирається на припущення "великого зразка", і тому він стає все більш надійним, оскільки розміри вибірки збільшуються. Наскільки мені відомо, значення, засноване на MCMC, не покладається на таке припущення. Так що все-таки, прочитавши трохи про тести Вальда та їхні альтернативи, це може допомогти прояснити ваше питання.
getSummary.mermemisc