線形混合効果モデルの解釈が簡単な適合度の尺度は何ですか？

現在、Rパッケージlme4を使用しています。

私はランダム効果を持つ線形混合効果モデルを使用しています：

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

モデルを比較するために、私はこのanova関数を使用して、最も低いAICモデルに対するAICの違いを調べています。

anova(mod1, mod2, mod3)

上記はモデルを比較するのに適しています。

ただし、各モデルの適合度の尺度を解釈する簡単な方法も必要です。誰でもそのような措置の経験がありますか？私はいくつかの研究を行ってきましたが、混合効果モデルの固定効果に関するR 2乗に関する論文があります。

• Cheng、J.、Edwards、LJ、Maldonado-Molina、MM、Komro、KA、およびMuller、KE（2010）。実在の人々のための実際の縦断的データ分析：十分な混合モデルの構築 医学統計、29（4）、504-520。土井：10.1002 / sim.3775
• Edwards、LJ、Muller、KE、Wolfinger、RD、Qaqish、BF、およびSchabenberger、O。（2008）。線形混合モデルの固定効果のR2統計。医学統計、27（29）、6137-6157。土井：10.1002 / sim.3429

しかし、上記の論文で提案されているような対策の使用をめぐるいくつかの批判があるようです。

誰かが私のモデルに適用できる、解釈が簡単な適合度の尺度をいくつか提案していただけますか？

線形混合モデルの適合度を簡単に解釈できるものなどありません:)

ランダム効果の近似（mod1）は、ICCとICC2（ランダム効果で説明される分散と残差分散の比）で測定できます。psychometric Rパッケージには、lmeオブジェクトからそれらを抽出する機能が含まれています。

R2固定効果（mod2、mod3）を評価するために使用することは可能ですが、これには注意が必要です。2つのモデルが同様のR2を示す場合、1つは「正確」であるが、その固定因子「より大きな分散成分をランダム効果に減算します。一方、最高次モデル（mod3など）の大きいR2を解釈するのは簡単です。混合モデルに関するBaayenの章では、これについて良い議論があります。また、チュートリアルは非常に明確です。

可能な解決策は、それぞれをvariance component個別に検討し、それらを使用してモデルを比較することです。