混合効果モデルの固定効果の推論

相関データがあり、ロジスティック回帰混合効果モデルを使用して、対象の予測変数の個々のレベル（条件付き）効果を推定しています。標準的な限界モデルの場合、Waldテストを使用したモデルパラメーターの推論は、尤度比テストとスコアテストで一貫していることを知っています。通常、これらはほぼ同じです。Waldは計算が簡単で、R出力で利用できるため、その99％の時間を使用します。

しかし、混合効果モデルでは、Rのモデル出力で報告されている固定効果のWaldテストと、「手作業」の尤度比テストの間に大きな違いがあることに興味をそそられました。実際に縮小モデルに適合します。直観的に、なぜこれが大きな違いを生むのかがわかります。なぜなら、縮小モデルでは、ランダム効果の分散が再推定され、尤度に大きく影響するからです。

誰か説明できますか

1. 固定効果のWald検定統計量はどのようにRで計算されますか？
2. 混合効果モデルの推定モデルパラメーターの情報マトリックスは何ですか？（そしてWald検定統計量の計算元と同じmxですか？）
3. 説明したケースの2つのテストの結果の解釈の違いは何ですか？どのモデルが一般的に動機付けられ、推論のために文献で使用されていますか？

与えられたL、rxp、およびl、rx 1の仮説H0 Lt = lをテストする従来のWald統計は、W =（Lt-l） '[L（X'H-1 X）-1 L']で与えられます。 -1（Lt-l）そして漸近的に、この統計はr自由度のカイ二乗分布を持ちます。これらは限界テストであるため、モデルの固定部分の他のすべての項に対して調整が行われます。Rはオープンソースです

1. ソースはありますか？
2. あなたのモデルは何ですか？混合効果は、フィッシャー情報マトリックスに共鳴する限り、かなり広いカテゴリーです。
3. 尤度比とスコアテストですか？