如何从 R 输出推断混合模型解释的变化？答案

【问题标题】：How to infer the variation explained by a mixed model from R output?如何从 R 输出推断混合模型解释的变化？
【发布时间】：2017-12-13 13:32:20
【问题描述】：

我从混合效果模型得到以下输出。我想谈谈模型解释了多少变化。随机效应下的方差是否对应于残差（注意：这里的试验是随机效应）解释的变化？即 58.6 % 或者有其他方法可以推断出这个

REML criterion at convergence: 71.9

Scaled residuals: 
     Min       1Q   Median       3Q      Max 
-1.82579 -0.59620  0.04897  0.62629  1.54639 

Random effects:
 Groups   Name        Variance Std.Dev.
 trial     (Intercept) 0.06008  0.2451  
 Residual              0.58633  0.7974  
Number of obs: 60, groups:  trial, 30

Fixed effects:
                        Estimate Std. Error      df t value Pr(>|t|)    
(Intercept)               1.5522     0.2684 12.6610  13.233  0.09888 
drugantho                 0.8871     0.1753 14.0000   1.043  0.31601    
interventionadded         0.2513     0.2553 14.0000  -1.276  0.32436 **   
sexmale                   3.0026     0.6466 15.0000   4.066  0.00021  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

【问题讨论】：

r2glmm 包计算混合（多级）模型的 R 平方

标签： r mixed-models variance

【解决方案1】：

不，Residual 方差正是残差随机误差的方差，即无法解释的方差。

据我所知，没有一种单一的、一致接受的方法来计算混合效应模型的决定系数，类似于（并具有所有属性）更简单的线性模型案例的 R^2 .原因在here 进行了讨论，其中还提供了一个简单/粗略的方法来估计模型解释的方差分数

r2.corr.mer <- function(m) {
   lmfit <-  lm(model.response(model.frame(m)) ~ fitted(m))
   summary(lmfit)$r.squared
}

【讨论】：