현재 R 패키지 lme4를 사용하고 있습니다.
임의의 효과가있는 선형 혼합 효과 모델을 사용하고 있습니다.
library(lme4)
mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects
mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect +
# random effects
mod3 <- lmer(r1 ~ p1 + p2 + (1 | site), data = sample_set) #Two fixed effects +
# random effects
모델을 비교하기 위해 anova
함수를 사용 하고 가장 낮은 AIC 모델에 대한 AIC의 차이점을 살펴보고 있습니다.
anova(mod1, mod2, mod3)
위의 모델 비교에 적합합니다.
그러나 각 모델의 적합도를 해석하는 간단한 방법도 필요합니다. 누구든지 그러한 조치에 경험이 있습니까? 나는 약간의 연구를 해 왔으며 혼합 효과 모델의 고정 효과에 대한 R 제곱에 대한 논문이 있습니다.
- Cheng, J., Edwards, LJ, Maldonado-Molina, MM, Komro, KA, & Muller, KE (2010). 실제 사람들을위한 실제 종단 데이터 분석 : 충분한 혼합 모델 구축. 의학 통계, 29 (4), 504-520. 도 : 10.1002 / sim.3775
- Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF, & Schabenberger, O. (2008). 선형 혼합 모형의 고정 효과에 대한 R2 통계량입니다. 의학 통계, 27 (29), 6137-6157. 도 : 10.1002 / sim.3429
그러나 위의 논문에서 제안 된 것과 같은 수단의 사용에 대해서는 일부 비판이있는 것으로 보인다.
누군가 내 모델에 적용 할 수있는 몇 가지 해석하기 쉽고 적합도를 제안 할 수 있습니까?
mixed()
내 afex 패키지의 기능 을 살펴보십시오 ( 개발 버전에는 파라 메트릭 부트 스트랩이 있음 ). 일부 참고 자료는 여기를 참조 하십시오 .
KRmodcomp
package에서 사용 합니다 pbkrtest
. KRmodcomp
직접 모델을 비교 하는 데 사용할 수도 있습니다 .