机器算法验证 - 检验随机效应 glmmADMB 模型的显着性 - 吾爱随笔录

下面是新对象测试分数模型的输出，该模型与中的nbinom1（准泊松）选项相匹配glmmADMB。我使用这个包/方法是因为：

泊松均值小于 5，因此根据 Bolker 等人的说法。2009 我不应该使用glmmPQL
使用 .运行的泊松模型存在过度分散glmer。NB1 型号glmmADMB是我尝试过的所有型号中最好的。

有以下3个固定因素，还有一个Sex-Age交互项，个体( ID)是随机因素。

Call:
glmmadmb(formula = Score ~ Sex * Age + Object + (1 | ID), data = PGS, 
    family = "nbinom1")

AIC: 394.5

Coefficients:
              Estimate Std. Error z value Pr(>|z|)
(Intercept)      0.480      0.195    2.47   0.0137
SexM             0.797      0.262    3.05   0.0023
AgeS             1.224      0.254    4.82  1.4e-06
ObjectPLA       -0.434      0.194   -2.24   0.0248
ObjectSCO       -0.822      0.203   -4.05  5.1e-05 
SexM:AgeS       -0.825      0.353   -2.33   0.0196

Number of observations: total=105, ID=40 

Random effect variance(s):
Group=ID<br/>
            Variance StdDev<br/>
(Intercept)  0.03738 0.1933

Negative binomial dispersion parameter: 1.5958 (std. err.: 0.34873)

Log-likelihood: -189.228

问题：如何检验随机效应是否显着？我在网上环顾四周，那里有多个随机效应似乎很简单，但我知道根据http://glmm.wikidot.com/faq上的信息，如果没有我的单一随机效应，我无法将其GLMM与 a进行比较。GLM

我varprof在礁鱼示例中尝试了 Ben Bolker 的功能：

varprof(PGS.nbinom1)
Error in varprof(PGS.nbinom1) : <br/>
  trying to get slot "deviance" from an object (class "glmmadmb") that is not an S4 object

以及他的simulate.glm(PGS.nbinom1)：

simulate.glm(PGS.nbinom1)
Error in simulate.glm(M1) : family nbinom not implemented

还有 Jeff Evans 的方式，发布在archiveorange.com上，我使用无信息的虚拟变量（每行中都有“虚拟”一词的列）运行模型，并将其与我的模型与 ANOVA 进行比较，但也得到了警告在这里留言：

anova(M1,M2)
Analysis of Deviance Table

Model 1: Score ~ Sex * Age + Object<br/>
Model 2: Score ~ Sex * Age + Object<br/>
  NoPar  LogLik Df Deviance Pr(>Chi)<br/>
1     8 -189.23 <br/>                    
2     8 -189.32  0    -0.19        1<br/>

Warning message:
In anova.glmmadmb(M1, M2) :<br/>
  something's wrong: models should be nested, increasing complexity should imply increasing log-likelihood

我还能尝试什么？任何帮助将非常感激！