Estoy ajustando un modelo de efectos mixtos con un término de spline en una aplicación donde se sabe que la tendencia a lo largo del tiempo es curvi-lineal. Sin embargo, lo que me gustaría evaluar es si la tendencia curvilínea se produce debido a la desviación individual de la linealidad, o si es un efecto a nivel de grupo que hace que un ajuste grupal parezca curvilíneo. Doy un ejemplo reproducible aburrido de un conjunto de datos del paquete JM.
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)
Esencialmente quiero saber cuál de estos se ajusta mejor a mis datos. Sin embargo, la comparación anovame da una advertencia ominosa:
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.
Ahora soy consciente de que existen dificultades para hacer este tipo de comparaciones mediante métodos de máxima probabilidad, pero ¿cuál es la alternativa?
Respuestas:
Como dice mdewey, vuelva a instalar el modelo sin el método de estimación REML. Como dice la advertencia, las comparaciones no son significativas cuando tienes diferentes estructuras de efectos fijos.
El siguiente problema es que los modelos no están anidados, por lo que presumiblemente la prueba F no tiene sentido. Podrías mirar los criterios de información. Ambos a favor
fitLME2.fuente