Частка поясненої дисперсії в моделі зі змішаними ефектами


18

Я не знаю, чи це просили раніше, але я нічого не знайшов про це. Моє запитання полягає в тому, якщо хтось може надати хороший посилання, щоб дізнатися, як отримати пропорцію дисперсії, пояснену кожним із фіксованих та випадкових факторів у моделі зі змішаними ефектами.


4
Хороше запитання, але я не маю (посилання на) гарної відповіді. У змішаних моделях існує більш ніж один рівень варіацій, тому для пояснення є більше одного компонента дисперсії, плюс дискусійно про те, чи дійсно можна сказати про випадкові ефекти «пояснення» дисперсії. Я думаю, що вся концепція "пояснюваної дисперсії" є менш корисною для змішаних моделей.
onestop

Ось ще кілька дискусій на тему: stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003363.html
користувач5475

1
Також може бути корисним підхід Гельмана "Байєсівська ANOVA".
N Brouwer

Відповіді:


12

Я можу надати кілька посилань:

Сю, Р. (2003). Вимірювання пояснених варіацій лінійних моделей зі змішаними ефектами. Статистика в медицині , 22 , 3527-3541.DOI: 10.1002 / sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF, & Schabenberger, O. (2008). Статистика для фіксованих ефектів у лінійній змішаній моделі. Статистика в медицині , 27 , 6137-6157.R2DOI: 10.1002 / sim.3429

Hössjer, O. (2008). Про коефіцієнт визначення для моделей змішаної регресії. Журнал статистичного планування та висновку , 138 , 3022-3038. DOI: 10.1016 / j.jspi.2007.11.010

R2

Щасливого читання!


5

MuMInR21 ( про який згадувалося в попередньому відповіді ).

#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  

Вихід для функції r.squaredGLMMзабезпечує:

  • R2m : граничне значення R квадрата, пов'язане з фіксованими ефектами

  • R2c значення R2, пов'язане з фіксованими ефектами плюс випадкові ефекти.

Примітка: коментар до пов’язаної публікації блогу говорить про те, що альтернативний підхід на Нагагава та Шильцет надихнув Джон Лефчек (використовуючи sem.model.fitsфункцію вpiecewiseSEM пакеті), дав однакові результати. [Отже, у вас є варіанти: p].

  • Я не перевіряв цю останню функцію, але я протестував r.squaredGLMM() функцію в MuMInпакеті, і тому я можу засвідчити, що вона функціонує і сьогодні (2018).

  • 2


1: Nakagawa, S., Schielzeth, H. 2013. Загальний і простий метод отримання R2 з узагальнених лінійних моделей змішаних ефектів. Методи в екології та еволюції 4 (2): 133-142.

2: Джонсон, PCD 2014 Розширення Nagagawa & Schielzeth R2GLMM до випадкових моделей схилів. Методи екології та еволюції 5: 44–946.


1
Дякую @theforestecologist за вашу відповідь. Я буду дивитись на згадані пакети.
Мануель Рамон
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.