我有一个具有固定和随机效果的 mer 对象。如何提取随机效应的方差估计？这是我的问题的简化版本。
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
study
这会产生很长的输出 - 在这种情况下不会太长。无论如何，我如何明确选择
Random effects:
Groups Name Variance Std.Dev.
Subject (Intercept) 1378.18 37.124
Residual 960.46 30.991
部分输出？我想要值本身。
看了很久
str(study)
那里什么都没有！还检查了 lme4 包中的任何提取器功能，但无济于事。请帮忙！
【问题讨论】：
其他一些答案是可行的，但我声称最好的答案是使用为此设计的访问器方法——VarCorr（这与lme4 的前身 @ 987654323@包）。
UPDATE 在lme4 的最新版本（1.1-7 版，但以下所有内容可能适用于 >= 1.0 版）中，VarCorr 比以前更灵活，应该做所有事情你想要的，而不是在合适的模型对象内到处钓鱼。
library(lme4)
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
VarCorr(study)
## Groups Name Std.Dev.
## Subject (Intercept) 37.124
## Residual 30.991
默认情况下VarCorr() 打印标准差，但如果您愿意，也可以获取方差：
print(VarCorr(study),comp="Variance")
## Groups Name Variance
## Subject (Intercept) 1378.18
## Residual 960.46
（comp=c("Variance","Std.Dev.") 将同时打印两者）。
为了获得更大的灵活性，您可以使用as.data.frame 方法转换VarCorr 对象，它给出了分组变量、效果变量以及方差/协方差或标准差/相关性：
as.data.frame(VarCorr(study))
## grp var1 var2 vcov sdcor
## 1 Subject (Intercept) <NA> 1378.1785 37.12383
## 2 Residual <NA> <NA> 960.4566 30.99123
最后，VarCorr 对象的原始形式（如果你不需要，你可能不应该弄乱你）是一个方差-协方差矩阵列表，其中包含编码标准偏差的附加（冗余）信息和相关性，以及属性 ("sc") 给出残差标准差并指定模型是否具有估计的尺度参数 ("useSc")。
unclass(VarCorr(fm1))
## $Subject
## (Intercept) Days
## (Intercept) 612.089748 9.604335
## Days 9.604335 35.071662
## attr(,"stddev")
## (Intercept) Days
## 24.740448 5.922133
## attr(,"correlation")
## (Intercept) Days
## (Intercept) 1.00000000 0.06555134
## Days 0.06555134 1.00000000
##
## attr(,"sc")
## [1] 25.59182
## attr(,"useSc")
## [1] TRUE
##
【讨论】：
print(VarCorr(fitted_model),comp="Variance") 或as.data.frame(VarCorr(fitted_model)) 将轻松检索差异； (3) 报告方差与标准偏差取决于上下文——如果试图考虑 var 分解/解释的比例，我通常更喜欢方差，如果试图与固定效应的大小进行比较，我通常更喜欢标准开发
lmer 返回一个 S4 对象，所以这应该可以工作：
remat <- summary(study)@REmat
print(remat, quote=FALSE)
哪些打印：
Groups Name Variance Std.Dev.
Subject (Intercept) 1378.18 37.124
Residual 960.46 30.991
...一般情况下，您可以查看“mer”对象的print 和summary 方法的来源：
class(study) # mer
selectMethod("print", "mer")
selectMethod("summary", "mer")
【讨论】：
lme4 相关联——该类现在称为 merMod .
> attributes(summary(study))$REmat
Groups Name Variance Std.Dev.
"Subject" "(Intercept)" "1378.18" "37.124"
"Residual" "" " 960.46" "30.991"
【讨论】：
attributes(summary(study)) 中似乎不再有 REmat
这个答案很大程度上基于@Ben Bolker 的答案，但是如果人们对此不熟悉并且想要自己的值，而不仅仅是值的打印输出（正如 OP 似乎想要的那样），那么您可以提取值如下：
将VarCorr 对象转换为数据框。
re_dat = as.data.frame(VarCorr(study))
然后访问每个单独的值：
int_vcov = re_dat[1,'vcov']
resid_vcov = re_dat[2,'vcov']
使用此方法（在您创建的日期框架中指定行和列），您可以访问您想要的任何值。
【讨论】：
另一种可能是
sum <- summary (study)
var <- data.frame (sum$varcor)
【讨论】：
这个包对这样的事情很有用（https://easystats.github.io/insight/reference/index.html）
library("insight")
get_variance_random(study) #Where study is your fit mixed model
【讨论】：
试试
attributes(study)
举个例子：
> women
height weight
1 58 115
2 59 117
3 60 120
4 61 123
5 62 126
6 63 129
7 64 132
8 65 135
9 66 139
10 67 142
11 68 146
12 69 150
13 70 154
14 71 159
15 72 164
> lm1 <- lm(height ~ weight, data=women)
> attributes(lm1)
$names
[1] "coefficients" "residuals" "effects" "rank"
[5] "fitted.values" "assign" "qr" "df.residual"
[9] "xlevels" "call" "terms" "model"
$class
[1] "lm"
> lm1$coefficients
(Intercept) weight
25.7234557 0.2872492
> lm1$coefficients[[1]]
[1] 25.72346
> lm1$coefficients[[2]]
[1] 0.2872492
结束。
【讨论】：
lm()，问题是关于lmer()，这不是一回事。