问题描述
我正在尝试使用 car::Anova 函数对涉及分类变量的交互项执行联合 Wald 卡方检验。
我想比较模型系数使用自举方差-协方差矩阵时的结果。我对残差的正态性有一些担忧，因此在考虑将置换检验作为联合 Wald 卡方检验的替代方法之前，我将这样做作为第一步。
我发现了拟合在 1000 次引导程序重采样数据上的模型的方差协方差。问题是 car::Anova.merMod 函数似乎没有使用用户指定的方差协方差矩阵。无论是否指定 vcov，我都会得到相同的结果。与否。
我在下面做了一个非常简单的例子，我尝试在 Anova() 中使用单位矩阵。我也用更真实的引导 var-cov 尝试了这个。
我看了github上的代码，貌似vcov.被 vcov(mod) 覆盖，所以这可能是一个错误。不过我想我会看看这里是否有人遇到过这个问题，或者可以看看我是否犯了错误。
任何帮助都会很棒！
df1 = data.frame( y = rbeta(180,2,5),x = rnorm(180),group = letters[1:30] )
mod1 = lmer(y ~ x + (1|group),data = df1)
# Default,uses variance-covariance from the model
Anova(mod1)
# Should use user-specified varcov matrix but does not - same results as above
Anova(mod1,vcov. = diag(2))
# I'm not bootstrapping the var-cov matrix here to save space/time
附言使用 car::linearHypothesis 适用于用户指定的 vcov，但这不会使用类型 3 的平方和给出结果。使用多个交互术语也更费力。因此，如果可能，我更愿意使用 car::Anova。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）