Tỷ lệ phương sai được giải thích trong mô hình hiệu ứng hỗn hợp

Tôi không biết nếu điều này đã được hỏi trước đây, nhưng tôi không tìm thấy bất cứ điều gì về nó. Câu hỏi của tôi là nếu bất cứ ai cũng có thể cung cấp một tài liệu tham khảo tốt để tìm hiểu làm thế nào để có được tỷ lệ phương sai được giải thích bởi từng yếu tố cố định và ngẫu nhiên trong mô hình hiệu ứng hỗn hợp.

Tôi có thể cung cấp một số tài liệu tham khảo:

Xu, R. (2003). Đo lường giải thích sự thay đổi trong các mô hình hiệu ứng hỗn hợp tuyến tính. Thống kê trong Y học , 22 , 3527-3541. DOI: 10.1002 / sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF, & Schabenberger, O. (2008). Một thống kê cho các hiệu ứng cố định trong mô hình hỗn hợp tuyến tính. Thống kê trong Y học , 27 , 6137-6157. DOI: 10.1002 / sim.3429$R^2$

Hössjer, O. (2008). Về hệ số xác định cho mô hình hồi quy hỗn hợp. Tạp chí kế hoạch và suy luận thống kê , 138 , 3022-3038. DOI: 10.1016 / j.jspi.2007.11.010

Nakagawa, S., & Schielzeth, H. (2013). Một phương pháp chung và đơn giản để thu được từ các mô hình hiệu ứng hỗn hợp tuyến tính tổng quát. Các phương pháp trong Sinh thái học và Tiến hóa, 4 , 133-142. DOI: 10.111 / j.2041-210x.2012.00261.x$R^2$

Chúc bạn đọc vui vẻ!

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  

Đầu ra cho hàm r.squaredGLMMcung cấp:

• R2m : giá trị bình phương R cận biên liên quan đến các hiệu ứng cố định

• R2c giá trị R2 có điều kiện liên quan đến các hiệu ứng cố định cộng với các hiệu ứng ngẫu nhiên.

Lưu ý: một nhận xét về bài đăng trên blog được liên kết cho thấy cách tiếp cận lấy cảm hứng từ Nakagawa & Schielzeth được phát triển bởi Jon Lefcheck (sử dụng sem.model.fitschức năng trong piecewiseSEMgói) đã tạo ra kết quả giống hệt nhau. [Vì vậy, bạn có tùy chọn: p].

• Tôi đã không kiểm tra chức năng sau này, nhưng tôi đã kiểm tra r.squaredGLMM()chức năng trong MuMIngói và vì vậy có thể chứng thực rằng nó vẫn còn hoạt động ngày hôm nay (2018).

• $^2$

^{1: Nakagawa, S. và Schielzeth, H. 2013. Một phương pháp chung và đơn giản để thu được R2 từ các mô hình hiệu ứng hỗn hợp tuyến tính tổng quát. Các phương pháp trong Sinh thái học và Tiến hóa 4 (2): 133-142.}

^{2: Johnson, PCD 2014 Mở rộng R2GLMM của Nakagawa & Schielzeth sang các mẫu dốc ngẫu nhiên. Các phương pháp trong Sinh thái học và Tiến hóa 5: 44 trừ946.}