Modell mit gemischten Effekten und Splines

Ich passe ein Modell mit gemischten Effekten mit einem Spline-Term in einer Anwendung an, bei der der zeitliche Trend bekanntermaßen kurvenlinear ist. Ich möchte jedoch beurteilen, ob der kurvenlineare Trend aufgrund einer individuellen Abweichung von der Linearität auftritt oder ob es sich um einen Effekt auf Gruppenebene handelt, der eine Anpassung auf Gruppenebene kurvenlinear erscheinen lässt. Ich gebe ein reproduzierbares Beispiel, das einen Datensatz aus dem JM-Paket langweilt.

library(nlme)
library(JM)
data(pbc2)

fitLME1 <- lme(log(serBilir) ~ ns(year, 2), random = ~ year | id, data = pbc2)
fitLME2 <- lme(log(serBilir) ~ year, random = ~ ns(year, 2) | id, data = pbc2)

Im Wesentlichen möchte ich wissen, welche davon besser zu meinen Daten passt. Ein Vergleich von anovagibt mir jedoch eine bedrohliche Warnung:

        Model df      AIC      BIC    logLik   Test  L.Ratio p-value
fitLME1     1  7 3063.364 3102.364 -1524.682                        
fitLME2     2  9 2882.324 2932.472 -1432.162 1 vs 2 185.0399  <.0001
Warning message:
In anova.lme(fitLME1, fitLME2) :
  fitted objects with different fixed effects. REML comparisons are not meaningful.

Jetzt ist mir bewusst, dass es Schwierigkeiten gibt, solche Vergleiche mit Maximum-Likelihood-Methoden durchzuführen - aber was ist die Alternative?

r splines lme4-nlme

— user2498193
quelle

Versuchen Sie, mit method = "ML" oder was auch immer der richtige Ausdruck ist, erneut anzupassen, und prüfen Sie, ob die Warnung verschwindet.

— Mdewey

Wie mdewey sagt, passen Sie das Modell dann ohne die REML-Schätzmethode an. Wie in der Warnung angegeben, sind Vergleiche nicht sinnvoll, wenn Sie unterschiedliche Strukturen mit festen Effekten haben.

Das nächste Problem ist, dass die Modelle nicht verschachtelt sind, sodass der F-Test vermutlich keinen Sinn ergibt. Sie können sich die Informationskriterien ansehen. Beide bevorzugen fitLME2.

— Benjamin Christoffersen
quelle