¿Cuáles son fáciles de interpretar, la bondad de las medidas de ajuste para modelos lineales de efectos mixtos?

Question

Actualmente estoy usando el R paquete lme4.

Estoy usando un modelos lineales de efectos mixtos con efectos aleatorios:

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

Para comparar los modelos, yo estoy usando el anova función y mirando a las diferencias en la AIC en relación a los de menor AIC del modelo:

anova(mod1, mod2, mod3)

La de arriba está muy bien para la comparación de modelos.

Sin embargo, también se necesita una manera sencilla de interpretar la bondad de las medidas de ajuste para cada modelo. ¿Alguien tiene experiencia con estas medidas? He hecho algunas investigaciones, y hay artículos en R cuadrado para los efectos fijos de modelos de efectos mixtos:

• Cheng, J., Edwards, L. J., Maldonado-Molina, M. M., Komro, K. A., & Muller, K. E. (2010). Real longitudinal de análisis de datos para la gente real: la Construcción de un buen modelo mixto. La estadística en Medicina, 29(4), 504-520. doi: 10.1002/sim.3775
• Edwards, L. J., Muller, K. E., Wolfinger, R. D., Qaqish, B. F., & Schabenberger, O. (2008). Una R2 de la estadística de efectos fijos en el modelo lineal mixto. La estadística en Medicina, 27(29), 6137-6157. doi: 10.1002/sim.3429

No obstante, parece que hay algunas críticas que rodean el uso de medidas como las propuestas en los artículos arriba mencionados.

Podría alguien por favor sugerir un par de fáciles de interpretar, de la bondad de ajuste de las medidas que podrían aplicarse a mis modelos?

Answer 1

No hay nada como una fácil interpretación de la bondad de ajuste de medida lineales, modelos mixtos :)

Efecto aleatorio de ajuste (mod1) puede ser medido por el ICC y ICC2 (la proporción entre la varianza explicada por los efectos aleatorios y la varianza residual). psicométricas R paquete incluye una función para extraer de ellos la forma de un lme objeto.

Es posible utilizar R2 para evaluar el efecto fijo (mod2, mod3), pero esto puede ser complicado: Cuando dos modelos muestran un similar R2 puede ser el caso de que uno es más "exacta", sino que se enmascara por su factor fijo "restando" un mayor de componentes de varianza para el efecto aleatorio. Por otro lado es fácil interpretar un mayor R2 de la orden más alta de modelo (por ejemplo, mod3). En Baayen del capítulo en modelos mixtos hay una buena discusión acerca de esto. Además, el tutorial es muy claro.

Una posible solución es considerar cada variance component de forma independiente y, a continuación, utilizarlo para comparar los modelos.