Proporção da variância explicada em um modelo de efeitos mistos

Não sei se isso já foi perguntado antes, mas não encontrei nada sobre isso. Minha pergunta é se alguém pode fornecer uma boa referência para aprender como obter a proporção de variância explicada por cada um dos fatores fixos e aleatórios em um modelo de efeitos mistos.

Eu posso fornecer algumas referências:

Xu, R. (2003). A medição da variação explicada nos modelos lineares de efeitos mistos. Statistics in Medicine , 22 , 3527-3541. DOI: 10.1002 / sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF e Schabenberger, O. (2008). Uma estatística para efeitos fixos no modelo linear misto. Statistics in Medicine , 27 , 6137-6157. DOI: 10.1002 / sim.3429$R^2$

Hössjer, O. (2008). Sobre o coeficiente de determinação para modelos de regressão mista. Jornal de Planejamento Estatístico e Inferência , 138 , 3022-3038. DOI: 10.1016 / j.jspi.2007.11.010

Nakagawa, S., & Schielzeth, H. (2013). Um método geral e simples para obter partir de modelos de efeitos mistos lineares generalizados. Methods in Ecology and Evolution, 4 , 133-142. DOI: 10.1111 / j.2041-210x.2012.00261.x$R^2$

Leitura feliz!

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  

A saída para a função r.squaredGLMMfornece:

• R2m : valor marginal R quadrado associado a efeitos fixos

• R2c Valor R2 condicional associado a efeitos fixos mais efeitos aleatórios.

Nota: um comentário no blog vinculado sugere que uma abordagem inspirada por Nakagawa & Schielzeth, desenvolvida por Jon Lefcheck (usando a sem.model.fitsfunção no piecewiseSEMpacote), produziu resultados idênticos. [Então você tem opções: p].

• Não testei esta última função, mas testei a r.squaredGLMM()função no MuMInpacote e, portanto, posso atestar que ela ainda está funcional hoje (2018).

• $^2$

^{1: Nakagawa, S. e Schielzeth, H. 2013. Um método geral e simples para obter R2 a partir de modelos lineares generalizados de efeitos mistos. Métodos em Ecologia e Evolução 4 (2): 133-142.}

^{2: Johnson, PCD 2014 Extensão do R2GLMM de Nakagawa & Schielzeth para modelos de declives aleatórios. Métodos em Ecologia e Evolução 5: 44–946.}