■

（この時期に何をしとるんじゃというお叱りは甘んじて受けます。）
久保さんのGLM〜GLMMの講義PDFを昨日の夜，眺めてみる。（もはやネタではないか？と思うほどの）独特の表現は置いておいて，とても分かりやすい。いやぁ，ありがとうございます。こういうファイルがネットにあるというのはとても有り難いことです。特にGLMMで最初に疑似データを作成するのですが，これがあるので，GLMMってこうなっているのかと直感的に理解しやすい。

加えて，AICの比較問題もざっと見てみるが，とりあえず上辺だけで，保留。。。粕谷さんの指摘する点は与えるデータ構造によっては，GLMとGLMMでAICが比較可能と理解しました。

足軽さんのサイトを参照に，ポアソン分布で上記を検証してみる。

alive<-c(10,7,6,5,3) #データは適当です
x1<-c(1,2,3,4,3) #データは適当です
ID<- 1:5

library(glmmML)
model.glmmML<-glmmML(alive~x1,cluster=ID,family=poisson) #glmmML
model.glmmML2<- glmmML(alive~x1,cluster=ID,
family=poisson,start.sigma=0,fix.sigma=TRUE) #ランダム切片なしモデル
model.glm<- glm(alive~x1, family=poisson) #glm

adjustAIC<- function(model) deviance(model) + attr(logLik(model),"df")*2　##足軽さんが公開されているコード
mat<- cbind(model.glmmML$aic,model.glmmML2$aic,model.glm$aic,adjustAIC(model.glm))
colnames(mat)<- c("glmmML","glmmML2", "glm", "Adjust_glm")
rownames(mat)<- "AIC"
mat

なるほど，ポアソンでも補正が必要のよう（間違っていたら教えてください）。