选择GLMM中随机效应的最佳结构

Question

我想在开始使用固定术语之前，在GLMM中选择最佳随机效果结构。为此，我包括所有固定效果及其相互作用（超出最佳模型），然后尝试使用随机因子的不同组合。我正在使用公式lmer（）。模型用REML估算。然后我得到每个模型的AIC（）并进行比较。

但我想知道没有随机效应的模型的AIC。我读过那时我应该使用gls（）。但我也可以使用glm（）。与gls相同模型的AIC，以及与glm相同的模型，是非常不同的。

这是在GLMM中选择最佳随机效果结构的最佳方法吗？我可以将lME（）获得的AIC值与使用gls或glm获得的其他AIC值进行比较吗？

谢谢和最诚挚的问候！

Answer 1

我一直在寻找一种很好的解决方案来测试GLMM的替代随机效应结构。有一些很棒discussion on the topic here.对挑战的最佳总体概述是summarized pretty well here。但是大部分解决方案似乎正在开发中，或者对于大多数评论者而言，这些解决方案的合作范围太大，共同作者和其他读者了解。问题在于随着随机效应分量的复杂性增加，AIC分数通常会更低，但这些模型可能仍然过度拟合数据。我倾向于根据实验设计，实用性和直觉建立随机效应结构。

我通过随机分割原始数据into training and testing sets然后比较竞争模型中的AUC分数来测试GLMM的替代随机效应结构。我不确定这是否是完美的解决方案，但它似乎对我有用。

不确定这是否有效，或者它是否是一个合适的解决方案。但是，当比较AIC分数时，带有嵌套随机效应的红色模型似乎是最好的。通过交叉验证，我们可以看到单独的PlotID（绿色）的单一随机效应与具有更复杂的随机效应结构的竞争模型一样好。

可以看到这里有一个随机截取PlotID的模型和模型一样好