如何获取lme4包中glmer模型的整体Wald检验及似然比检验值与P值

首先先拟合你给出的二项式混合效应模型：

library(lme4)
# 拟合目标模型
model <- glmer(
  credec ~ passexp + soctie + recexp + peer + soctie * recexp + (1 | region),
  data = data,
  family = binomial
)

一、获取固定效应的整体Wald检验及P值 #

lme4包本身没有内置整体Wald检验的函数，需要借助car包的Anova()函数（注意是大写的Anova）来计算III型Wald卡方检验，这是混合模型中常用的固定效应检验方式：

1. 先安装并加载car包（若未安装）：

install.packages("car")
library(car)

2. 重要前提：在做III型检验前，建议设置效应编码对照，避免因默认处理对照导致结果偏差：

options(contrasts = c("contr.sum", "contr.poly"))

3. 计算Wald检验：

# 输出每个固定效应项的Wald卡方值、自由度和P值
wald_results <- Anova(model, type = "III")
print(wald_results)

输出结果中，每行对应一个固定效应项（包括交互项），Chisq是Wald卡方统计量，Pr(>Chisq)就是对应的P值。

如果需要对多个固定效应项做联合Wald检验（比如检验所有固定效应整体是否显著），可以用linearHypothesis()函数：

# 检验所有固定效应联合显著
joint_wald <- linearHypothesis(model, 
                               c("passexp = 0", "soctie = 0", "recexp = 0", 
                                 "peer = 0", "soctie:recexp = 0"))
print(joint_wald)

二、获取模型整体的似然比检验值 #

似然比检验通过比较全模型与零模型（仅包含随机效应的模型）的对数似然值来实现：

1. 拟合零模型：

null_model <- glmer(credec ~ 1 + (1 | region), data = data, family = binomial)

2. 用anova()函数对比两个模型，得到似然比检验结果：

lr_test <- anova(null_model, model)
print(lr_test)

输出结果里，Chisq就是似然比检验统计量，Pr(>Chisq)是对应的P值，Df是自由度差异。

内容的提问来源于stack exchange，提问作者ewqe dasdad