สัดส่วนของความแปรปรวนที่อธิบายในโมเดลผสมผลกระทบ

ฉันไม่ทราบว่ามีการถามก่อนหน้านี้หรือไม่ แต่ฉันไม่พบสิ่งใดเกี่ยวกับเรื่องนี้ คำถามของฉันคือถ้าทุกคนสามารถให้การอ้างอิงที่ดีเพื่อเรียนรู้วิธีการได้สัดส่วนสัดส่วนของความแปรปรวนที่อธิบายโดยแต่ละปัจจัยคงที่และสุ่มในรูปแบบผสมผลกระทบ

ฉันสามารถให้การอ้างอิงบางอย่าง:

Xu, R. (2003) การวัดที่อธิบายความแปรปรวนในตัวแบบเอฟเฟกต์แบบผสม สถิติทางการแพทย์ , 22 , 3527-3541 DOI: 10.1002 / sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF, & Schabenberger, O. (2008) $R^2$สถิติสำหรับผลกระทบคงที่ในตัวแบบผสมเชิงเส้น สถิติทางการแพทย์ , 27 , 6137-6157 DOI: 10.1002 / sim.3429

Hössjer, O. (2008) เกี่ยวกับสัมประสิทธิ์การตัดสินใจสำหรับตัวแบบการถดถอยแบบผสม วารสารการวางแผนและการอนุมานทางสถิติ , 138 , 3022-3038 DOI: 10.1016 / j.jspi.2007.11.010

Nakagawa, S. , & Schielzeth, H. (2013) วิธีการทั่วไปและง่าย ๆ สำหรับการได้รับ$R^2$จากโมเดลผสมเอฟเฟกต์เชิงเส้นทั่วไป วิธีการทางนิเวศวิทยาและวิวัฒนาการ, 4 , 133-142 DOI: 10.1111 / j.2041-210x.2012.00261.x

มีความสุขในการอ่าน!

ตามโพสต์บล็อกนี้จากปี 2013 MuMInแพคเกจในRสามารถให้ R$^2$ค่าสำหรับรุ่นที่ผสมAlaวิธีการพัฒนาโดยนาคากาวาและ Schielzeth 2013$^1$(ซึ่งถูกกล่าวถึงในคำตอบก่อนหน้า)

#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  

เอาท์พุทสำหรับฟังก์ชั่นr.squaredGLMMให้:

• R2m : ส่วนต่างค่า R กำลังสองที่สัมพันธ์กับเอฟเฟกต์คงที่

• ค่า R2c ตามเงื่อนไข R2 ที่เกี่ยวข้องกับเอฟเฟกต์คงที่รวมถึงเอฟเฟกต์แบบสุ่ม

หมายเหตุ: ความคิดเห็นในบล็อกโพสต์ที่เชื่อมโยงแสดงให้เห็นว่าแนวทางที่เป็นทางเลือก Nakagawa & Schielzeth เป็นแรงบันดาลใจที่พัฒนาโดยJon Lefcheck (การใช้sem.model.fitsฟังก์ชั่นในpiecewiseSEMแพ็คเกจ) ให้ผลลัพธ์ที่เหมือนกัน [ดังนั้นคุณมีตัวเลือก: p]

• ฉันไม่ได้ทดสอบฟังก์ชั่นหลังนี้ แต่ฉันไม่ได้ทดสอบr.squaredGLMM()ฟังก์ชั่นในMuMInแพคเกจและเพื่อให้สามารถยืนยันได้ว่ามันยังคงทำงานได้ในวันนี้ (2018)

• สำหรับความถูกต้องของวิธีการนี้ฉันปล่อยให้อ่าน Nakagawa & Schielzeth (2013) (และติดตามบทความ Johnson 2014$^2$) แล้วแต่คุณ.

^{1: Nakagawa, S. , และ Schielzeth, H. 2013. วิธีการทั่วไปและง่าย ๆ ในการรับ R2 จากโมเดลเชิงเส้นเชิงเส้นทั่วไปแบบผสม วิธีการทางนิเวศวิทยาและวิวัฒนาการ 4 (2): 133-142}

^{2: Johnson, PCD 2014 ส่วนต่อขยาย R2GLMM ของ Nakagawa & Schielzeth ไปยังรุ่นลาดสุ่ม วิธีการทางนิเวศวิทยาและวิวัฒนาการ 5: 44–946}