Выбор лучшей структуры случайных эффектов в GLMM

Question

Я пытаюсь выбрать лучшую структуру случайного эффекта в GLMM, прежде чем начинать с фиксированных условий. Для этого я включаю в себя все фиксированный эффект и их взаимодействия (за пределами оптимальной модели), а затем я пытаюсь использовать разные комбинации случайных факторов. Я использую формулу lmer(). Модели оценивались с помощью REML. Затем я получаю AIC() каждой модели, и я сравниваю их.

Но я хочу знать также AIC модели без случайных эффектов. Я читал, что тогда я должен использовать gls(). Но я мог бы использовать также glm(). И AIC той же модели с gls, и та же модель с glm, очень разные.

Это лучший способ выбрать лучшую структуру случайных эффектов в GLMM? Могу ли я сравнить значения AIC, полученные с помощью lmer(), с другими значениями AIC, полученными с помощью gls или glm?

Спасибо и с наилучшими пожеланиями!

Answer 1

Я также искал хорошее решение для тестирования альтернативных структур случайного эффекта для GLMM. Существует несколько отличных discussion on the topic here.. Лучший общий обзор проблем - summarized pretty well here. Но по большей части выделение решений, похоже, находится в стадии разработки или слишком далеко для большинства рецензентов, соавторов & других читателей, чтобы понять. Проблема в том, что по мере увеличения сложности компонента случайного эффекта оценки AIC будут, как правило, ниже, но эти модели могут по-прежнему перегружать данные. Я хотел бы создать структуру случайного эффекта в соответствии с экспериментальным дизайном, практичностью и интуицией.

Я тестировал альтернативные структуры случайного эффекта для GLMM, случайно разбивая исходные данные into training and testing sets, а затем сравнивая оценки AUC по конкурирующим моделям. Я не уверен, что это идеальное решение, но мне показалось, что это хорошо.

Не уверен, если это будет работать или, если это даже соответствующее решение. Но, сравнивая оценки AIC, красная модель с вложенными случайными эффектами казалась лучшей. Здесь посредством кросс-проверки мы видим, что единственный случайный эффект только PlotID (зеленый) столь же хорош, как и конкурирующая модель с более сложной структурой случайного эффекта.

его можно увидеть, что модель с одной случайным перехватом PlotID было так же хорошо, как модель