AFEchidna包的简单示例7--随机效应显著性和模型比较

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。