ICC 在线性混合效应模型（多级模型、分层模型）中的 95% CI答案

【问题标题】：95% CI for the ICC in linear mixed effects model (multilevel model, hierarchical model)ICC 在线性混合效应模型（多级模型、分层模型）中的 95% CI
【发布时间】：2021-10-18 19:42:47
【问题描述】：

我拟合了一个线性混合效应模型来预测数学分数作为结果，x= 参与者因子（名义或序数）作为固定效应，Schl 是随机效应。然后我将它与使用compare_performance 的简单线性回归模型进行比较，虽然输出给出了 ICC，但我不确定如何计算它的 95%？（对于我使用confintconfint 的系数，它完成了工作）

lm1<- lm(math~ gender, data= df)
lme1<- lmer(math~gender+(1|schl), data=df)

compare_performance(lm1,lme1)

ICC 为 0.15

【问题讨论】：

compare_performance() 来自哪个包（或其他来源）？可以给minimal reproducible example吗？

标签： r confidence-interval icc

【解决方案1】：

来自gist from Peter Dahlgren，又来自CrossValidated answer by @Ashe，这里是症结所在：

calc.icc <- function(y) {
  sumy <- summary(y)
  (sumy$varcor$id[1]) / (sumy$varcor$id[1] + sumy$sigma^2)
}
boot.icc <- bootMer(mymod, calc.icc, nsim=1000)
#Draw from the bootstrap distribution the usual 95% upper and lower confidence limits
quantile(boot.icc$t, c(0.025, 0.975))

您可以（并且应该）检查此calc.icc() 函数是否与compare_performance() 函数给出相同的结果。由于这使用参数引导，因此您可以替换任何您喜欢的 ICC 函数，因为它长时间将拟合模型作为输入并将 ICC 作为单个数值返回。（另外，因为它使用 PB，它会很慢；有可能更快的近似方法，但 PB 可靠且易于编程。）

【讨论】：