Доля объясненной дисперсии в модели смешанных эффектов

Я не знаю, спрашивалось ли об этом раньше, но я ничего не нашел по этому поводу. Мой вопрос заключается в том, может ли кто-нибудь предоставить хорошую справку, чтобы узнать, как получить долю дисперсии, объясняемой каждым из фиксированных и случайных факторов в модели смешанных эффектов.

Я могу предоставить некоторые ссылки:

Сюй Р. (2003). Измерение объяснил вариации в линейных моделях смешанных эффектов. Статистика в медицине , 22 , 3527-3541. DOI: 10.1002 / sim.1572

$R^2$

Hössjer, O. (2008). О коэффициенте детерминации для моделей смешанной регрессии. Журнал статистического планирования и вывода , 138 , 3022-3038. DOI: 10.1016 / j.jspi.2007.11.010

$R^2$

Приятного чтения!

В соответствии с MuMInR$^2$$^1$

#load packages
library(lme4)
library(MuMIn)

#Fit Model
m <- lmer(mpg ~ gear + disp + (1|cyl), data = mtcars)

#Determine R2:
r.squaredGLMM(m) 

       R2m       R2c 
 0.5476160 0.7150239  

Выход для функции r.squaredGLMMобеспечивает:

• R2m : предельное значение R в квадрате, связанное с фиксированными эффектами

• Условное значение R2c R2, связанное с фиксированными эффектами плюс случайные эффекты.

Примечание: комментарий к связанному сообщению в блоге предполагает, что альтернативный подход, вдохновленный Nakagawa & Schielzeth, разработанный Джоном Лефчеком (с использованием sem.model.fitsфункции в piecewiseSEMпакете), дал идентичные результаты. Итак, у вас есть варианты: р.

• Я не тестировал эту последнюю функцию, но я тестировал r.squaredGLMM()функцию в MuMInпакете и поэтому могу подтвердить, что она все еще функционирует сегодня (2018).

• Что касается обоснованности этого подхода, я оставляю чтение Nakagawa & Schielzeth (2013) (и последующую статью Johnson 2014$^2$) вам решать.

^{1: Накагава, S., и Schielzeth, H. 2013. Общий и простой метод получения R2 из обобщенных линейных моделей смешанных эффектов. Методы в экологии и эволюции 4 (2): 133-142.}

^{2: Джонсон, PCD 2014 Расширение модели R2GLMM компании Nakagawa & Schielzeth для моделей со случайными уклонами. Методы в экологии и эволюции 5: 44–946.}