sjplot::tab_model()与lmer summary()的P值差异原因咨询

你遇到的summary()和sjPlot::tab_model()输出P值不一致的问题，核心原因是两者计算P值的统计方法不同：

• summary(lmer())默认采用普通Wald检验：它把模型输出的t值近似为正态分布的z值来计算P值，或者用残差自由度做简单近似。这种方法计算简便，但对于混合模型来说，自由度的估计并不准确，你得到的0.0376和0.0488就是这种近似方法的结果。

• sjPlot::tab_model()默认使用Kenward-Roger自由度校正的Wald检验：这种方法会针对混合模型的结构，更精准地估计固定效应的自由度，校正后得到的P值通常更符合真实的统计显著性，你看到的0.003和0.022就是经过这种校正后的结果。

你可以通过以下方式验证：

1. 让tab_model()使用和summary()相同的方法计算P值，指定参数p.val = "wald"：

sjPlot::tab_model(BurstEn, p.val = "wald")

此时输出的P值会和summary(BurstEn)完全一致。

2. 用lmerTest包的校正方法对比，它默认支持Kenward-Roger或Satterthwaite自由度校正：

library(lmerTest)
summary(BurstEn, ddf = "Kenward-Roger")

这个结果会和tab_model()的默认输出匹配。

简单来说，两种工具的P值差异源于对混合模型自由度的处理方式不同，tab_model默认的方法更严谨，而summary(lmer())的方法是简化近似。

内容的提问来源于stack exchange，提问作者Michaela