REML criterion at convergence: 3177.8
Scaled residuals:
Min 1Q Median 3Q Max
-2.51280 -0.70712 -0.06667 0.69131 2.20034
Random effects:
Groups Name Variance Std.Dev.
ltg (Intercept) 250.5 15.83
Residual 1316.8 36.29
Number of obs: 315, groups: ltg, 165
Fixed effects:
Estimate Std. Error t value
(Intercept) 43.0163 107.9990 0.398
stee 10.7268 2.4849 4.317
gree 3.6004 0.7419 4.853
mee -9.2334 2.1188 -4.358
kee 12.9433 2.3991 5.395
bee -3.8669 1.6788 -2.303
hee -7.0957 2.2167 -3.201
>
Meine Frage: Wie kann ich jetzt zwei verschiedene Modelle miteinander vergleichen? Bei der "normalen" Summary für ein lineares Modell gibt es ja das Bestimmtheitsmaß R² oder den quadratischen mittleren Fehler RMSE. Kann ich diese Kennzahlen auch für lineare gemischte Modelle errechnen?
Nakagawa, Shinichi, and Holger Schielzeth. "A general and simple method for obtaining R2 from generalized linear mixed‐effects models." Methods in Ecology and Evolution 4.2 (2013): 133-142.
Johnson, Paul CD. "Extension of Nakagawa & Schielzeth's R2GLMM to random slopes models." Methods in Ecology and Evolution (2014).
Von Nagakawa & Schielzeth gibts auch ein Update auf dem biorxiv.
HTH,
Edi
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Also ich habe ein multiples Regressionsmodell erstellt und der Betreuer meiner Abschlussarbeit meinte, dass ich noch einen `random effect`mit einbringen soll. Nun möchte ich mein normales multiples Modell irgendwie mit dem gemischten linearen Modell vergleichen, um zu sehen, was der zufällige Effekt überhaupt bringt. Oder ist das nicht sinnvoll?
Das sieht man ja auch an der Varianz des Random-Effects ob und wie viel der erklärt.
Generell würde ich Random-Effects in das Model nehmen wenn es schon so vorgegeben ist (z.b. durch das Experimentaldesign).
Einfach mal so einen reinhauen bringt IMO nicht wirklich was, das sollte schon begründet sein.