一般化された線形混合モデルのモデル比較

一般化された線形混合モデル（GLMM）は、生物学的および医学的研究で広く評価されています。最尤の推定には大きな注目が集まっています。それに比べて、モデル比較または仮説テストではそれほど多くは行われていません。この記事では、観測されたDATA対数尤度関数を計算するパスサンプリング手順を提案し、ベイジアン情報基準（BIC）をモデル比較または仮説テストに適用できるようにします。提案されたパスサンプリング手順の利点について説明します。提案された方法論の説明的な例を提供するために、2つの医療データセットが分析されます。

Generalized linear mixed models (GLMMs) have been widely appreciated in biological and medical research. Maximum likelihood estimation has received a great deal of attention. Comparatively, not much has been done on model comparison or hypotheses testing. In this article, we propose a path sampling procedure to compute the observed-data log-likelihood function, so that the Bayesian information criterion (BIC) can be applied to model comparison or hypothesis testing. Advantages of the proposed path sampling procedure are discussed. Two medical data sets are analysed for providing illustrative examples of the proposed methodology.