混合效应模型中解释方差的比例

我不知道这是否曾经被问过，但是我什么也没找到。我的问题是，是否有人可以提供一个很好的参考，以学习如何获得混合效应模型中固定和随机因素分别解释的方差比例。

我可以提供一些参考：

徐荣（2003）。测量线性混合效应模型中解释的变化。统计医学，22，3527-3541。DOI：10.1002 / sim.1572

$R^2$

Hössjer，O.（2008年）。关于混合回归模型的确定系数。杂志统计规划和推理，138，3022-3038。DOI：10.1016 / j.jspi.2007.11.010

$R^2$

祝您阅读愉快！

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  

函数的输出r.squaredGLMM提供：

• R2m：与固定效应相关的边际R平方值

• R2c条件R2值与固定效果加上随机效果相关。

注意：对链接的博客文章的评论表明，由Jon Lefcheck开发的Nakagawa＆Schielzeth启发方法（使用软件包中的sem.model.fits功能piecewiseSEM）产生了相同的结果。[因此，您可以选择：p]。

• 我没有测试后一个功能，但我确实测试r.squaredGLMM()了MuMIn软件包中的功能，因此可以证明它在今天（2018年）仍然可以正常工作。

• 至于这种方法的有效性，我将继续阅读Nakagawa＆Schielzeth（2013）（以及后续文章Johnson 2014）。$^2$） 由你决定。

^{1：Nakagawa，S.和Schielzeth，H.2013。一种从广义线性混合效应模型获得R2的通用且简单的方法。生态与进化方法 4（2）：133-142。}

^{2：Johnson，PCD 2014将Nakagawa＆Schielzeth的R2GLMM扩展到随机斜率模型。生态与进化方法 5：44–946。}