我想使用lmer()
对生物数据的治疗效果进行时间建模,以考虑个体效应。
通常使用的方法是逐步删除固定效应和交互项来构建多个模型,然后使用anova(model1,model2)
找到最佳模型,并在发现非显著差异时保留最简模型。
然而,我发现summary(model1)
和anova(model1,model2)
的输出之间存在不同的模型适合度值(AIC、BIC等)。
以下是代码:
#Data are in z6
m1<-lmer(Brightness~factor(FT)*factor(Time)+(1|ID),z6)
m2<-lmer(Brightness~factor(FT)+factor(Time)+(1|ID),z6)
summary(m1)@AICtab
AIC BIC logLik deviance REMLdev
2284.223 2335.65 -1128.112 2301.36 2256.223
summary(m2)@AICtab
AIC BIC logLik deviance REMLdev
2298.247 2331.307 -1140.124 2302.42 2280.247
anova(m1,m2)
Data: z6
Models:
m2: Brightness ~ factor(FT) + factor(Time) + (1 | ID)
m1: Brightness ~ factor(FT) * factor(Time) + (1 | ID)
Df AIC BIC logLik Chisq Chi Df Pr(>Chisq)
m2 9 2320.4 2353.5 -1151.2
m1 14 2329.4 2380.8 -1150.7 1.0601 5 0.9576
在比较summary()
输出时,两个模型之间有14个AIC单元的差异,但在anova()
中只有9个。这个差异来自哪里呢?
谢谢。