后续技术问询：获最小AIC最优模型后如何开展Tukey等模型检验

太棒了，你已经通过AIC成功筛选出了最优的空间相关模型！接下来咱们一步步实现日期间的Tukey检验，顺便补充几个实用的模型诊断步骤，帮你把模型验证工作做扎实👇

首先先确认下咱们的起点——你已经完成的最优模型筛选代码，我整理成了更清晰的代码块：

# 基于不同空间相关方法更新基础模型
mods <- lapply(methods, function(m) {
  update(amod.null, correlation = getFunction(m)(1, form = ~ x + y), method="ML")
})
names(mods) <- methods

# 提取各模型AIC并筛选最优模型（用sapply更简洁，直接得到命名向量）
list.AIC <- sapply(mods, AIC)
best.mod <- names(which.min(list.AIC))

1. 提取最优模型对象 #

先把最优模型从列表中单独拎出来，方便后续操作：

final_mod <- mods[[best.mod]]

2. 日期间的Tukey多重比较检验 #

如果你的模型里date是作为固定效应的分类变量，用emmeans包做Tukey检验是最常用的方案，步骤如下：

# 先安装并加载emmeans包（如果还没装的话）
# install.packages("emmeans")
library(emmeans)

# 针对date变量执行Tukey两两比较，自动调整多重比较的P值
tukey_date <- emmeans(final_mod, pairwise ~ date, adjust = "tukey")

# 查看完整检验结果（包含均值估计和两两比较）
print(tukey_date)
# 如果只想聚焦两两比较的差异和P值，可单独查看：
print(tukey_date$contrasts)

结果里会展示每个日期组合的差异估计值、标准误，以及经过Tukey调整后的P值，帮你判断哪些日期间存在显著差异。

3. 模型拟合诊断（必做！） #

除了Tukey检验，咱们得验证模型的基本假设是否满足，常用的诊断步骤包括：

• 残差分析：检查残差的独立性、方差齐性和正态性

# 绘制残差拟合图（看方差是否齐性）和QQ图（看正态性）
plot(final_mod, which = c(1, 2))

# 残差正态性的Shapiro-Wilk检验
shapiro.test(resid(final_mod))

如果残差拟合图的点随机分布在0线附近，QQ图的点贴近对角线，且Shapiro-Wilk检验的P值>0.05，说明模型的正态性假设基本成立。

• 空间相关性诊断：因为咱们用了空间相关结构，得确认空间自相关是否被充分捕捉

# 提取空间相关参数
correlation_params <- coef(final_mod$modelStruct$corStruct)
cat("空间相关参数：", correlation_params, "\n")

# 绘制半变异函数图，直观查看空间自相关模式
library(nlme)
Variogram(final_mod, form = ~ x + y)

如果半变异函数图在拟合的模型曲线后趋于平稳，说明模型已经很好地捕捉了空间自相关信号。

4. 可选：空间结构必要性检验 #

如果你想确认加入空间相关结构是否真的提升了模型效果，可以把最优模型和无空间相关的基础模型做似然比检验：

# 似然比检验比较最优模型与基础模型
anova(amod.null, final_mod)

如果检验结果的P值<0.05，说明空间相关结构的加入显著提升了模型拟合度。

内容的提问来源于stack exchange，提问作者nouse