Proporzione della varianza spiegata in un modello a effetti misti

Non so se questo è stato chiesto prima, ma non ho trovato nulla al riguardo. La mia domanda è se qualcuno può fornire un buon riferimento per imparare come ottenere la proporzione di varianza spiegata da ciascuno dei fattori fissi e casuali in un modello a effetti misti.

Posso fornire alcuni riferimenti:

Xu, R. (2003). Misurazione della variazione spiegata nei modelli lineari ad effetti misti. Statistica in medicina , 22 , 3527-3541. DOI: 10.1002 / sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF e Schabenberger, O. (2008). Una statistica per effetti fissi nel modello misto lineare. Statistica in medicina , 27 , 6137-6157. DOI: 10.1002 / sim.3429$R^2$

Hössjer, O. (2008). Sul coefficiente di determinazione per i modelli di regressione mista. Journal of Statistical Planning and Inference , 138 , 3022-3038. DOI: 10.1016 / j.jspi.2007.11.010

Nakagawa, S. e Schielzeth, H. (2013). Un metodo generale e semplice per ottenere da modelli lineari generalizzati ad effetti misti. Metodi in ecologia ed evoluzione, 4 , 133-142. DOI: 10.1111 / j.2041-210x.2012.00261.x$R^2$

Buona lettura!

Secondo 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  

L'output per la funzione r.squaredGLMMfornisce:

• R2m : valore R quadrato marginale associato ad effetti fissi

• Valore R2 condizionale di R2c associato ad effetti fissi più gli effetti casuali.

Nota: un commento sul post del blog collegato suggerisce che un approccio ispirato a Nakagawa e Schielzeth alternativo sviluppato da Jon Lefcheck (usando la sem.model.fitsfunzione nel piecewiseSEMpacchetto) ha prodotto risultati identici. [Quindi hai opzioni: p].

• Non ho testato quest'ultima funzione, ma ho testato la r.squaredGLMM()funzione nel MuMInpacchetto e quindi posso attestare che è ancora funzionante oggi (2018).

• $^2$

^{1: Nakagawa, S. e Schielzeth, H. 2013. Un metodo generale e semplice per ottenere R2 da modelli lineari generalizzati a effetti misti. Metodi in Ecologia ed Evoluzione 4 (2): 133-142.}

^{2: Johnson, PCD 2014 Estensione di R2GLMM di Nakagawa & Schielzeth ai modelli a pendenza casuale. Metodi in Ecologia ed Evoluzione 5: 44–946.}