Proporción de la varianza explicada en un modelo de efectos mixtos

Question

No sé si esto se ha preguntado antes, pero no he encontrado nada al respecto. Mi pregunta es si alguien puede proporcionar una buena referencia para aprender a obtener la proporción de varianza explicada por cada uno de los factores fijos y aleatorios en un modelo de efectos mixtos.

Answer 1

Puedo proporcionar algunas referencias:

Xu, R. (2003). Measuring explained variation in linear mixed effects models. Estadísticas en medicina , 22 , 3527-3541. DOI:10.1002/sim.1572

Edwards, L. J., Muller, K. E., Wolfinger, R. D., Qaqish, B. F., & Schabenberger, O. (2008). Un $R^2$ para efectos fijos en el modelo lineal mixto. Estadísticas en medicina , 27 , 6137-6157. DOI:10.1002/sim.3429

Hössjer, O. (2008). Sobre el coeficiente de determinación para modelos de regresión mixtos. Revista de Planificación e Inferencia Estadística , 138 , 3022-3038. DOI:10.1016/j.jspi.2007.11.010

Nakagawa, S., & Schielzeth, H. (2013). Un método general y sencillo para obtener $R^2$ de los modelos lineales generalizados de efectos mixtos. Methods in Ecology and Evolution, 4 , 133-142. DOI:10.1111/j.2041-210x.2012.00261.x

¡Feliz lectura!

Answer 2

Según esta entrada del blog desde 2013, el MuMIn paquete en R puede proporcionar R $^2$ valores para los modelos mixtos ala un enfoque desarrollado por Nakagawa y Schielzeth 2013 $^1$ (que se mencionó en un responder ).

#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  

La salida de la función r.squaredGLMM proporciona:

• R2m Valor marginal de R al cuadrado asociado a los efectos fijos

• R2c valor de R2 condicional asociado a los efectos fijos más los efectos aleatorios.

Nota: un comentario en el enlace entrada del blog sugiere que un enfoque alternativo inspirado en Nakagawa & Schielzeth desarrollado por Jon Lefcheck (utilizando el sem.model.fits en la función piecewiseSEM ) ha dado resultados idénticos. [Así que tienes opciones :p].

• No he probado esta última función, pero sí la de r.squaredGLMM() en la función MuMIn paquete y por lo tanto puede dar fe de que sigue siendo funcional hoy en día (2018).

• En cuanto a la validez de este enfoque, dejo la lectura de Nakagawa & Schielzeth (2013) (y el artículo de seguimiento Johnson 2014 $^2$ ) depende de ti.

---

1: Nakagawa, S., y Schielzeth, H. 2013. Un método general y simple para obtener R2 de modelos lineales generalizados de efectos mixtos. Métodos en Ecología y Evolución 4(2): 133-142.

2: Johnson, P. C. D. 2014 Extension of Nakagawa & Schielzeth's R2GLMM to random slopes models. Métodos en Ecología y Evolución 5: 44-946.

Answer 3

Aquí hay más discusiones sobre el tema: https://stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003363.html