Regression lmerTest和lme4结果之间的差异

我有一个特定的值作为DV（因变量），我对BMI对DV的影响感兴趣。我对DV有多个观察结果（即每个受试者响应五次），因此我想拟合一个混合模型（对于每个ID的重复测量）

所以我所做的是：

使用Bodo Winters教程-计算复杂模型和简单模型之间的差异

使用

lmerTest

现在，结果非常不同，我不知道为什么

---

在我看来，您考虑的LR tets车型是错误的。对于BMI测试：

---

m1我不能复制这个。使用一个非常类似的示例：

library("lme4")
m1 <- lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy)
m2 <- update(m1, .~.-Days)
anova(m1,m2)
## refitting model(s) with ML (instead of REML)
## Data: sleepstudy
## Models:
## m2: Reaction ~ (1 | Subject)
## m1: Reaction ~ Days + (1 | Subject)
##    Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
## m2  3 1916.5 1926.1 -955.27   1910.5                             
## m1  4 1802.1 1814.8 -897.04   1794.1 116.46      1  < 2.2e-16 ***

普通旧的

anova（m1））

在这种情况下给出了类似的结果：

## Analysis of Variance Table
##      Df Sum Sq Mean Sq F value
## Days  1 162703  162703   170.45

---

如果你不能提供一个可复制的例子，你能至少给我们展示一下输出吗？？否则你不可能得到任何有用的帮助。谢谢你的评论，是的，我添加了输出。我希望有帮助。我现在试着用Alku的想法，但是我得到了和假人一样的结果。差异版本是否可能不适用于连续数据？到目前为止，我一直使用分类数据，得到的结果与lmertest和差异版本非常相似。

> m1 <- lmer(value ~ BMI + (1|ID), data=data, REML=FALSE)
> m2 <- lmer(value ~ 1 + (1|ID), data=data, REML=FALSE)
> anova(m1, m2)
Data: data
Models:
..1:value ~ 1 + (1 | ID)
object: value ~ BMI + (1 | ID)
       Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
..1     3 2188.1 2201.0 -1091.1   2182.1                             
object  4 2149.4 2166.6 -1070.7   2141.4 40.687      1  1.787e-10 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

anova(lmer(value ~ BMI + (1|ID), data=data, REML=FALSE))
Analysis of Variance Table of type 3  with  Satterthwaite 
approximation for degrees of freedom
     Sum Sq Mean Sq NumDF DenDF  F.value Pr(>F)
BMI 0.17868 0.17868     1   110 0.059873 0.8072

library("lme4")
m1 <- lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy)
m2 <- update(m1, .~.-Days)
anova(m1,m2)
## refitting model(s) with ML (instead of REML)
## Data: sleepstudy
## Models:
## m2: Reaction ~ (1 | Subject)
## m1: Reaction ~ Days + (1 | Subject)
##    Df    AIC    BIC  logLik deviance  Chisq Chi Df Pr(>Chisq)    
## m2  3 1916.5 1926.1 -955.27   1910.5                             
## m1  4 1802.1 1814.8 -897.04   1794.1 116.46      1  < 2.2e-16 ***

library("lmerTest")
anova(lmer(Reaction  ~ Days + (1|Subject), data=sleepstudy,
           REML=FALSE))
## Analysis of Variance Table of type 3  with  Satterthwaite 
## approximation for degrees of freedom
##      Sum Sq Mean Sq NumDF DenDF F.value    Pr(>F)    
## Days 162703  162703     1   162  170.45 < 2.2e-16 ***

## Analysis of Variance Table
##      Df Sum Sq Mean Sq F value
## Days  1 162703  162703   170.45