如何在gamlss包的GAMM中获取随机效应Xnumber的显著性？

当前你的模型输出里没有直接包含随机效应Xnumber的显著性结果，需要通过额外方法判断，以下是gamlss包中可行的方案：

方法1：似然比检验（LRT） #

这是检验随机效应显著性的标准方法，通过对比包含和不包含随机效应的两个模型拟合优度来判断：

1. 先拟合不含随机效应的嵌套模型：

model_no_random <- gamlss(Overlap~ Diff.Long + Diff.Fzp + DiffSeason,
                          family=BEZI(mu.link = "logit", sigma.link = "log", nu.link = "logit"),
                          data=data, trace=F)

2. 使用lr.test()函数对比两个模型：

lr.test(model, model_no_random)

输出的p值可用于判断随机效应是否显著。注意：由于随机效应的方差属于边界参数（取值≥0），似然比统计量服从混合卡方分布（50%概率为卡方0分布，50%为卡方1分布），可直接参考输出p值是否小于你的显著性水平（如0.05）来判断。

方法2：查看随机效应的平滑参数信息 #

用getSmo()函数提取随机效应对应的平滑项信息，其中的自由度等指标可辅助判断随机效应是否存在变异：

getSmo(model)

但该方法仅提供描述性信息，无法直接给出显著性检验的p值，因此更推荐似然比检验。

内容的提问来源于stack exchange，提问作者Cam