ANOVA比较无显著差异时如何选择lme4的最优glmer混合模型？

结合你提供的glmer模型、似然比检验结果，模型选择可按以下逻辑判断：

核心判断依据 #

1. 优先匹配研究目的 #

• 如果你的研究预设就是要检验会话顺序、组别与试次类型的交互效应，哪怕效应不显著，也应该选择对应研究假设的模型：比如预设要验证三因素交互就选modalidade.lmer.1，预设仅验证双因素交互就选modalidade.lmer.3。你需要在结果中明确说明：预设的额外效应/交互项经似然比检验未显著提升模型拟合，没有证据支持对应效应存在。这种做法可以避免事后删减变量导致的p-hacking问题，研究结论可信度更高。
• 如果你的研究目的是筛选对任务准确率有解释力的变量、构建最简约的解释模型，直接遵循奥卡姆剃刀原则选择最简模型即可。

2. 结合信息准则辅助判断 #

你给出的似然比检验结果显示所有嵌套模型间均无显著差异，同时可以看到：

• 所有模型的AIC差值均小于2，说明模型间的实际拟合效果没有本质差异
• BIC准则对模型复杂度的惩罚更严格，其中modalidade.lmer.5（仅包含试次类型+被试随机截距）的BIC值最低，说明该模型在保证拟合效果的前提下复杂度最低，过拟合风险最小。如果没有特殊的研究假设要求，选择modalidade.lmer.5是最稳妥的。

补充注意事项 #

• 你当前的随机效应结构仅设置了被试随机截距，可以先确认是否需要添加随机斜率（比如试次类型的随机斜率(1+modalidade|participant)），如果添加后模型收敛正常，可以重新比较模型，避免因为随机效应结构设置过简导致固定效应估计偏差。
• 无论最终选择哪个模型，都需要在报告中明确说明你的选择理由，不要隐瞒其他模型的检验结果。

内容的提问来源于stack exchange，提问作者Juliana