R出力からの混合モデルによって説明される変化を推測するには？

Question

私は、混合効果モデルから次のような出力を得ました。私はモデルによってどの程度の変動が説明されているかについて話したいと思います。残差に対応するランダムなエフェクトの下の分散です（ここでの試行はランダムなエフェクトです）。すなわち58.6パーセント、またはこの

REML criterion at convergence: 71.9 

Scaled residuals: 
    Min  1Q Median  3Q  Max 
-1.82579 -0.59620 0.04897 0.62629 1.54639 

Random effects: 
Groups Name  Variance Std.Dev. 
trial  (Intercept) 0.06008 0.2451 
Residual    0.58633 0.7974 
Number of obs: 60, groups: trial, 30 

Fixed effects: 
         Estimate Std. Error  df t value Pr(>|t|)  
(Intercept)    1.5522  0.2684 12.6610 13.233 0.09888 
drugantho     0.8871  0.1753 14.0000 1.043 0.31601  
interventionadded   0.2513  0.2553 14.0000 -1.276 0.32436 ** 
sexmale     3.0026  0.6466 15.0000 4.066 0.00021 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Answer 1

を推定する別の方法がありません、Residual分散は、残留ランダムエラーの正確分散、すなわち原因不明の分散です。

私が知る限り、単純な線形モデルのR^2に類似した（そしてすべての性質を持つ）混合効果モデルの決定係数を計算する方法は、一元的には受け入れられません場合。理由は、それがまた

r2.corr.mer <- function(m) { 
    lmfit <- lm(model.response(model.frame(m)) ~ fitted(m)) 
    summary(lmfit)$r.squared 
}