代码之家  ›  专栏  ›  技术社区  ›  Biotechgeek

如何从R输出推断混合模型解释的变化?

  •  5
  • Biotechgeek  · 技术社区  · 7 年前

    我有一个混合效应模型的以下输出。我想谈谈这个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:此处为随机效应)解释的方差?i、 e.58.6%或者有其他方法可以推断这一点吗

    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
    
    1 回复  |  直到 7 年前
        1
  •  4
  •   matteo    7 年前

    不,是 Residual 方差就是剩余随机误差的方差,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确定系数,类似于(并具有)更简单线性模型情形的R^2(所有属性)。讨论了原因 here ,其中还提供了一个简单/粗略的配方,用于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
    }