model.comp()用于多个模型的比较,也可用于检验随机效应的显著性,用法如下:
model.comp(...,LRT=FALSE,boundary = TRUE)
其中,…为esR运行结果,LRT为是否进行LRT检验;
简单示例如下:
m1<-echidna(es0.file="fm.es0",
fixed=h3~1+Rep,random=~Fam)
m2<-echidna(es0.file="fm.es0",
fixed=h3~1+Rep,random=~Fam+Fam:Rep)
model.comp(m1,m2,LRT=TRUE)
运行结果如下:
> model.comp(m1,m2,LRT=TRUE)
Model comparison results as following:
parNO LogL AIC BIC AIC.State BIC.State
m1 2 -2346.84 4697.68 4706.31
m2 3 -2336.64 4679.28 4692.23 better better
=====================================
Likelihood ratio test (LRT) results:
note:left model before "/" is full model,right is reduced.
Likelihood ratio test(s) assuming nested random models.
(See Self & Liang, 1987)
df LR-statistic Pr(Chisq)
m2/m1 1 20.4 3.141e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
运行结果简单说明,第一部分的AIC和BIC结果显示,模型2为更优模型;第二部分的LRT检验结果表明,m2是全阶模型,m1为降阶模型,移除Fam:Rep项后,模型发生显著变化,表明Fam:Rep项是显著的,即m2是更优模型。
做模型比较时,应注意,固定效应需要是一样的。
当然,model.comp()可用于2个以上的模型比较。