Kebingungan tentang nilai lmer dan p: bagaimana perbandingan nilai p dari paket memisc dibandingkan dengan paket MCMC?

Saya mendapat kesan bahwa fungsi lmer()dalam lme4paket tidak menghasilkan nilai-p (lihat lmer, nilai-p dan semua itu ).

Saya telah menggunakan MCMC menghasilkan nilai p sebagai per pertanyaan ini: Efek signifikan dalam lme4model campuran dan pertanyaan ini: Tidak dapat menemukan nilai-p dalam output dari lmer()dalam lm4paket diR .

Baru-baru ini saya mencoba paket yang disebut memisc dan getSummary.mer()untuk mendapatkan efek tetap dari model saya ke file csv. Seperti sulap, kolom yang disebut pmuncul yang cocok dengan nilai-p MCMC saya sangat erat (dan tidak mengalami waktu pemrosesan yang datang dengan menggunakan pvals.fnc()).

Untuk sementara saya telah melihat kode getSummary.merdan telah melihat garis yang menghasilkan nilai p:

p <- (1 - pnorm(abs(smry@coefs[, 3]))) * 2

Apakah ini berarti nilai p dapat dihasilkan langsung dari lmeroutput daripada berjalan pvals.fnc? Saya menyadari ini tidak diragukan lagi akan memulai debat 'nilai-fetisisme' tapi saya tertarik untuk mengetahuinya. Saya belum pernah mendengar yang memiscdisebutkan sebelumnya ketika datang ke lmer.

Untuk lebih ringkas: Apa manfaat (jika ada) menggunakan nilai p MCMC dibandingkan yang dihasilkan oleh getSummary.mer()?

— Hampir roboh
sumber

getSummary.mer

p

$p$

p

$p$ memisc

@JasonMorgan Ini bagi saya jawaban yang cukup masuk akal untuk pertanyaan itu.

— Glen_b -Reinstate Monica

@JasonMorgan Saya setuju dengan apa yang Anda katakan tetapi saat mcmcsamp()ini tidak tersedia karena sejumlah masalah (Seseorang dapat memeriksa Status of mcmcsampbagian di glmm.wikidot.com/faq untuk detail lebih lanjut). Saya merasa bahwa saat ini, mungkin bootstrap (parametrik?) Adalah alternatif -dan tidak terlalu sulit untuk diterapkan- alternatif; yang bootMer()Functiom dapat dari layanan.

— usεr11852

@JasonMorgan Saya pikir copy-paste akan baik-baik saja, karena bagi saya komentar Anda yang berharga benar-benar menjawab pertanyaan. (Namun, jika Anda merasa dapat memperluas sedikit penjelasan Anda tentang mengapa nilai-p harus benar-benar hanya digunakan sebagai pemeriksaan cepat daripada sebagai nilai-p, atau ketika mereka mungkin lebih cenderung menjadi perkiraan yang buruk, atau mengapa MCMC adalah taruhan yang aman, jauh lebih baik.)

— Glen_b -Reinstate Monica

Satu catatan teknis / terminologis lainnya untuk OP. Nilai-p yang diperoleh dengan menggunakan metode ini memiscadalah nilai-p dari memperlakukan statistik uji yang diamati sebagai statistik Wald (memperlakukan t sebagai Wald z dalam kasus ini). Pengujian semacam itu bergantung pada asumsi "sampel besar" dan karenanya semakin dapat dipercaya seiring dengan semakin besarnya ukuran sampel Anda. Nilai berbasis MCMC, setahu saya, tidak bergantung pada asumsi seperti itu. Jadi, membaca sedikit tentang tes Wald dan alternatifnya bisa membantu menjelaskan pertanyaan Anda lebih lanjut.

— Jake Westfall

getSummary.mer $p$ $p$ memisc

— Jason Morgan
sumber