ではさらにモデルを単純にできるかどうかを試してみます。以下のmodel.3では、model.2からさらに被験者のランダム因子のスロープを除いています。
model.3 = lmer(RT ~ CondDummy + ( 1 | Subject) + (1 + Item))
出力は以下のようになります。
summary(model.3)
Linear mixed model fit by REML
Formula: RT ~ CondDummy + (1 | Subject) + (1 | Item)
AIC BIC logLik deviance REMLdev
1043 1058 -516.5 1041 1033
Random effects:
Groups Name Variance Std.Dev.
Subject (Intercept) 436.771 20.8991
Item (Intercept) 65.147 8.0714
Residual 43.716 6.6118
Number of obs: 144, groups: Subject, 12; Item, 12
Fixed effects:
Estimate Std. Error t value
(Intercept) 400.292 6.514 61.45
CondDummy 48.153 1.102 43.70
Correlation of Fixed Effects:
(Intr)
CondDummy -0.085
さらにmodel.2とmodel.3の適合度をanova()で検証してみます。
anova(model.2, model.3)
Data:
Models:
model.3: RT ~ CondDummy + (1 | Subject) + (1 | Item)
model.2: RT ~ CondDummy + (1 + CondDummy | Subject) + (1 | Item)
Df AIC BIC logLik Chisq Chi Df Pr(>Chisq)
model.3 5 1050.6 1065.5 -520.31
model.2 7 1054.4 1075.2 -520.22 0.1854 2 0.9115
出力結果を見るとChisqが0.1854、自由度(Df)が2 Pr(>Chisq)が0.9115です。つまりmodel.2はmodel.3よりも有意に適合度が高いとは言えないことが示されました。
この場合は、model.3を採用します。そしてmodel.3が一番単純なモデルなので、これを最終モデルとします。
(7)へ続く
0 件のコメント:
コメントを投稿