glmer の結果です (返されたオブジェクトそのもので、コピーではありません)。または、glmer、lmer、glm の当てはめからなる、少なくとも 2 つの当てはめの配列です。
Optionaloptions: GlmerAnovaOptions
1 つの当てはめの場合は指定がなく、複数の場合は refit と names です (LmerCompareOptions を参照)。
// R: anova(lme4::glmer(y ~ x + f + (1 | g), data, family = binomial))
const data = {
y: [0, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1],
x: [1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6],
f: ["u", "v", "u", "v", "u", "v", "v", "u", "v", "u", "v", "u", "u", "v", "u", "v", "u", "v", "v", "u", "v", "u", "v", "u"],
g: ["a", "a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c", "c", "d", "d", "d", "d", "d", "d"],
};
const fit = glmer("y ~ x + f + (1 | g)", data, { family: "binomial" });
const t = glmerAnova(fit);
t.terms; // ["x", "f"]
t.npar; // [1, 1]
t.F; // [3.6704, 0.83614]
// R: anova(lme4::glmer(y ~ x + (1 | g), data, family = binomial), fit)
const c = glmerAnova([glmer("y ~ x + (1 | g)", data, { family: "binomial" }), fit]);
c.npar; // [3, 4]
c.Chisq; // [NaN, 0.8673]
glmer で当てはめた一般化線形混合モデルの、固定効果の項の分散分析表です。または、当てはめの配列を与えた場合は、モデルの尤度比による比較です。R の lme4::anova() と同等です。
1 つの当てはめの場合: 固定効果の各項について (列の順で、切片は除きます)、逐次的な Wald 平方和 (R_X β̂ のうち、その項の部分の長さの二乗。R_X は条件付きモードでの R_X'R_X のコレスキー因子)、列の数 (npar)、平均平方、そして F = 平均平方 / σ² (binomial と poisson では σ = 1) を示します。lme4 と同じく、p 値はありません (統計量は F 分布に従うとは限らないためです)。
複数の当てはめの場合: glmer、lmer、glm の当てはめを混ぜて使えます (glmer か lmer の少なくとも一方を含む必要があります)。glmer と lmer の当てはめは、同じデータオブジェクト、同じ行、同じ応答 (式の左辺) で当てはめたものでなければなりません。glm の当てはめは、観測数と応答の値が同じでなければなりません。すべての当てはめで、事前の重みが同じである必要があります。lmer の REML の当てはめは、(refit: false でない限り) 最尤法で当てはめ直します。モデルはパラメータの数で並べ替えられ、各モデルは、1 つ前のモデルがそれに含まれる (ネストしている) 場合に限り、1 つ前のモデルと尤度比検定で比べられます。ネストとは、族、リンク、オフセットが同じこと (lmer の当てはめは恒等リンクの gaussian とみなします)、1 つ前のモデルの固定効果の列が、より大きい当てはめの列空間に含まれること、変量効果の項が、より大きい当てはめの中にあることです。R と違い、nAGQ > 1 の glmer の当てはめの対数尤度は、飽和モデルの定数を含みます (glmer を参照)。そのため、Laplace の当てはめや glm と比較できます。
Optionaloptions: LmerCompareOptions
1 つの当てはめの場合は指定がなく、複数の場合は refit と names です (LmerCompareOptions を参照)。
// R: anova(lme4::glmer(y ~ x + f + (1 | g), data, family = binomial))
const data = {
y: [0, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 1, 1],
x: [1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6],
f: ["u", "v", "u", "v", "u", "v", "v", "u", "v", "u", "v", "u", "u", "v", "u", "v", "u", "v", "v", "u", "v", "u", "v", "u"],
g: ["a", "a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c", "c", "d", "d", "d", "d", "d", "d"],
};
const fit = glmer("y ~ x + f + (1 | g)", data, { family: "binomial" });
const t = glmerAnova(fit);
t.terms; // ["x", "f"]
t.npar; // [1, 1]
t.F; // [3.6704, 0.83614]
// R: anova(lme4::glmer(y ~ x + (1 | g), data, family = binomial), fit)
const c = glmerAnova([glmer("y ~ x + (1 | g)", data, { family: "binomial" }), fit]);
c.npar; // [3, 4]
c.Chisq; // [NaN, 0.8673]
glmer で当てはめた一般化線形混合モデルの、固定効果の項の分散分析表です。または、当てはめの配列を与えた場合は、モデルの尤度比による比較です。R の
lme4::anova()と同等です。1 つの当てはめの場合: 固定効果の各項について (列の順で、切片は除きます)、逐次的な Wald 平方和 (R_X β̂ のうち、その項の部分の長さの二乗。R_X は条件付きモードでの R_X'R_X のコレスキー因子)、列の数 (
npar)、平均平方、そして F = 平均平方 / σ² (binomial と poisson では σ = 1) を示します。lme4 と同じく、p 値はありません (統計量は F 分布に従うとは限らないためです)。複数の当てはめの場合: glmer、lmer、glm の当てはめを混ぜて使えます (glmer か lmer の少なくとも一方を含む必要があります)。glmer と lmer の当てはめは、同じデータオブジェクト、同じ行、同じ応答 (式の左辺) で当てはめたものでなければなりません。glm の当てはめは、観測数と応答の値が同じでなければなりません。すべての当てはめで、事前の重みが同じである必要があります。lmer の REML の当てはめは、(
refit: falseでない限り) 最尤法で当てはめ直します。モデルはパラメータの数で並べ替えられ、各モデルは、1 つ前のモデルがそれに含まれる (ネストしている) 場合に限り、1 つ前のモデルと尤度比検定で比べられます。ネストとは、族、リンク、オフセットが同じこと (lmer の当てはめは恒等リンクの gaussian とみなします)、1 つ前のモデルの固定効果の列が、より大きい当てはめの列空間に含まれること、変量効果の項が、より大きい当てはめの中にあることです。R と違い、nAGQ > 1の glmer の当てはめの対数尤度は、飽和モデルの定数を含みます (glmer を参照)。そのため、Laplace の当てはめや glm と比較できます。