Miałem wrażenie, że funkcja lmer()
w lme4
pakiecie nie generowała wartości p (patrz lmer
wartości p i tak dalej ).
Używam MCMC wygenerowane wartości p zamiast, jak na to pytanie: znaczący wpływ w lme4
modelu mieszanym i to pytanie: nie można odnaleźć wartości p w wyjściu ze lmer()
w lm4
opakowaniu wR
.
Ostatnio wypróbowałem pakiet o nazwie memisc i jego, getSummary.mer()
aby uzyskać poprawione efekty mojego modelu do pliku csv. Jakby magicznie, p
pojawia się kolumna o nazwie, która bardzo ściśle pasuje do moich wartości MCMC p (i nie cierpi z powodu czasu przetwarzania związanego z użyciem pvals.fnc()
).
Wstępnie rzuciłem okiem na kod getSummary.mer
i zauważyłem linię, która generuje wartość p:
p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2
Czy to oznacza, że wartości p mogą być generowane bezpośrednio z lmer
danych wyjściowych, a nie z działania pvals.fnc
? Zdaję sobie sprawę, że bez wątpienia rozpocznie się debata na temat fetyszyzmu o wartości p, ale jestem zainteresowany. Nie słyszałem memisc
o tym wcześniej, jeśli chodzi o lmer
.
Mówiąc bardziej zwięźle: jaka jest korzyść (jeśli w ogóle) z zastosowania wartości p MCMC w porównaniu do wartości generowanych przez getSummary.mer()
?
getSummary.mer
funkcji. Podane wartości należy traktować jedynie jako szybkie sprawdzenie. O ile pamiętam, faktycznie zawarłem tylko wartości aby działały w ramach dostarczonych przez . Ale tak naprawdę powinno to być opatrzone odpowiednim ostrzeżeniem dla użytkownika, a ja skontaktuję się z opiekunem pakietu, aby dowiedzieć się, jak to dodać. Moja rada jest następująca: Doug Bates: MCMC jest bezpiecznym zakładem (zakładając, że inni nie mają lepszych opcji). pmemisc
mcmcsamp()
nie jest dostępny z powodu wielu problemów (Status of mcmcsamp
więcej informacji można znaleźć w sekcji na glmm.wikidot.com/faq). Wydaje mi się, że w tej chwili prawdopodobnie (parametryczne?) Bootstrapowanie jest realną - i niezbyt trudną do wdrożenia - alternatywą;bootMer()
functiom może służyć.memisc
to wartości p z traktowania obserwowanych statystyk testowych jako statystyki Walda ( w tym przypadku traktując t jako Wald z ). Taki test opiera się na założeniu, że „duża próbka” jest coraz bardziej wiarygodna w miarę zwiększania się rozmiarów próbki. Według mnie wartość oparta na MCMC nie opiera się na takim założeniu. Tak czy inaczej, przeczytanie trochę o testach Walda i alternatywach dla nich może pomóc rzucić więcej światła na twoje pytanie.Odpowiedzi:
Jestem oryginalnym autoremp p
getSummary.mer
funkcji. Podane wartości należy traktować jedynie jako szybkie sprawdzenie. O ile pamiętam, faktycznie zawarłem tylko wartości aby działały w ramach dostarczonych przez . Ale tak naprawdę powinno to być opatrzone odpowiednim ostrzeżeniem dla użytkownika, a ja skontaktuję się z opiekunem pakietu, aby dowiedzieć się, jak to dodać. Moja rada jest następująca: Doug Bates: MCMC jest bezpiecznym zakładem (zakładając, że inni nie mają lepszych opcji).pmemisc
źródło