ランダムな勾配を持つ混合効果回帰モデルでMCMC仮説検定を行うにはどうすればよいですか？

ライブラリlanguageRは、lmerを使用して混合効果回帰モデルの適合における固定効果のMCMC有意性テストを実行するメソッド（pvals.fnc）を提供します。ただし、lmerモデルにランダムな勾配が含まれている場合、pvals.fncはエラーを返します。

そのようなモデルのMCMC仮説検定を行う方法はありますか？
もしそうなら、どのように？（回答を受け入れるには、Rで有効な例を使用する必要があります）そうでない場合、方法がない理由は概念的/計算上の理由がありますか？

この質問はこれに関連している可能性があります、そこにある内容を確実に理解できませんでした。

編集1：pvals.fnc（）はlme4モデルではまだ「何か」を行うが、ランダムな勾配モデルでは何もしないことを示す概念実証。

library(lme4)
library(languageR)
#the example from pvals.fnc
data(primingHeid) 
# remove extreme outliers
primingHeid = primingHeid[primingHeid$RT < 7.1,]
# fit mixed-effects model
primingHeid.lmer = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1|Subject) + (1|Word), data = primingHeid)
mcmc = pvals.fnc(primingHeid.lmer, nsim=10000, withMCMC=TRUE)
#Subjects are in both conditions...
table(primingHeid$Subject,primingHeid$Condition)
#So I can fit a model that has a random slope of condition by participant
primingHeid.lmer.rs = lmer(RT ~ RTtoPrime * ResponseToPrime + Condition + (1+Condition|Subject) + (1|Word), data = primingHeid)
#However pvals.fnc fails here...
mcmc.rs = pvals.fnc(primingHeid.lmer.rs)

pvals.fnc（primingHeid.lmer.rs）のエラー：ランダム相関パラメーターを持つモデルのlme4_0.999375でMCMCサンプリングはまだ実装されていません

追加の質問：pvals.fncは、ランダムインターセプトモデルで期待どおりに動作しますか？出力を信頼する必要がありますか？

エラーメッセージは傾斜の変化に関するものではなく、相関するランダム効果に関するもののようです。同様に、無相関を適合させることができます。つまり、独立したランダム効果を持つ混合効果モデル：

Linear mixed model fit by REML
Formula: Reaction ~ Days + (1 | Subject) + (0 + Days | Subject)
Data: sleepstudy

http://www.stat.wisc.edu/~bates/IMPS2008/lme4D.pdfから

ここに（少なくともほとんど）のソリューションがありMCMCglmmます。

最初に、以下を使用して等価な切片分散のみのモデルを近似しMCMCglmmます。

library(MCMCglmm)
primingHeid.MCMCglmm = MCMCglmm(fixed=RT ~ RTtoPrime * ResponseToPrime + Condition, 
                                random=~Subject+Word, data = primingHeid)

との適合を比較MCMCglmmしlmer、最初にハッキングされたバージョンを取得しますarm::coefplot：

source(url("http://www.math.mcmaster.ca/bolker/R/misc/coefplot_new.R"))
  ## combine estimates of fixed effects and variance components
pp  <- as.mcmc(with(primingHeid.MCMCglmm, cbind(Sol, VCV)))
  ## extract coefficient table
cc1 <- coeftab(primingHeid.MCMCglmm,ptype=c("fixef", "vcov"))
  ## strip fixed/vcov indicators to make names match with lmer output
rownames(cc1) <- gsub("(Sol|VCV).", "", rownames(cc1))
  ## fixed effects -- v. similar
coefplot(list(cc1[1:5,], primingHeid.lmer))
  ## variance components -- quite different.  Worth further exploration?
coefplot(list(cc1[6:8,], coeftab(primingHeid.lmer, ptype="vcov")),
         xlim=c(0,0.16), cex.pts=1.5)

ランダムな勾配で試してみましょう：

primingHeid.rs.MCMCglmm = MCMCglmm(fixed=RT ~ RTtoPrime * ResponseToPrime + Condition,
                                   random=~Subject+Subject:Condition+Word, 
                                   data = primingHeid)        
summary(primingHeid.rs.MCMCglmm)

これは、ある種の「MCMC p値」を与えます...あなた自身のために探求し、全体が理にかなっているかどうかを確認する必要があります...