lmer（）和anova（）之间模型适应度估计的差异

我想使用

lmer（）

对生物数据随时间变化的治疗效果进行建模，以考虑个体效应。 通常使用的程序是通过逐步删除固定效应和相互作用项来构建多个模型，然后使用

anova（model1，model2）

找到最佳模型，并在发现无显著差异时保留最紧密的模型。 然而，我在

摘要（model1）

和

方差分析（model1，model2）

的输出之间发现了不同的模型适应值（AIC，BIC..）。 代码如下：

#Data are in z6
m1<-lmer(Brightness~factor(FT)*factor(Time)+(1|ID),z6)
m2<-lmer(Brightness~factor(FT)+factor(Time)+(1|ID),z6)
summary(m1)@AICtab 
AIC     BIC    logLik deviance  REMLdev
2284.223 2335.65 -1128.112  2301.36 2256.223
summary(m2)@AICtab
AIC      BIC    logLik deviance  REMLdev
2298.247 2331.307 -1140.124  2302.42 2280.247
anova(m1,m2)
Data: z6
Models:
m2: Brightness ~ factor(FT) + factor(Time) + (1 | ID)
m1: Brightness ~ factor(FT) * factor(Time) + (1 | ID)
Df    AIC    BIC  logLik  Chisq Chi Df Pr(>Chisq)
m2  9 2320.4 2353.5 -1151.2                         
m1 14 2329.4 2380.8 -1150.7 1.0601      5     0.9576

#数据在z6中
m1您的模型具有不同的固定效果，因此通过REML进行拟合不适用于所显示类型的模型比较。
anova（）
方法知道这一点并计算ML估计值。
summary（）
方法使用REML估计值（后者在输出中明确指出）

请注意，
logLik
值在两个摘要和
anova（）
输出中是不同的。前者是REML对数似然，后者是ML似然。由于AIC等是对数可能性的函数，这足以解释报告的AIC差异

如果模型未通过REML拟合，则
anova（）
方法可以计算ML估计值，因此，如果所比较的模型在固定效应方面存在差异，则该方法是正确的

如果您打算在研究中使用这些方法，我强烈建议您阅读REML和ML估计及其相对优点、用途等，如果以上内容对您来说是新闻。
非常感谢，要更改为ML估计，lmer公式中的REML参数必须改为FALSE（TRUE是默认值）@Lionel谢谢。如果这回答了您的问题，您是否可以通过勾选答案旁边的勾号来表示？请参阅常见问题解答中关于如何做到这一点以及它为什么有用等部分。这个问题完全可以在crossvalidated.com上找到。