在混合效应模型的结果中,有几个关键指标是用来评估固定效应和随机效应的大小及其重要性的: 固定效应 (Fixed Effects) Estimates: 这是固定效应参数的估计值,告诉你每个解释变量改变一个单位时,响应变量预期会改变多少。 Confidence Interval (CI): 估计的置信区间提供了参数估计的不确定性范围。如果一个置信区间不包含0,通常认为这个效应是统计显著的。 p-value: 这个值告诉你固定效应的统计显著性。一个通常的显著性水平是0.05,如果p值低于这个水平,我们通常会拒绝零假设,认为效应是显著的。 随机效应 (Random Effects) σ²: 这是残差方差,表示固定效应之外,模型未能解释的变异性。 τ00 id: 这是随机截距的方差组分,表示不同的id在响应变量的基线上有多少不同。 Intraclass Correlation Coefficient (ICC): 这个比率表示数据中群体内相似性的大小。数值范围从0到1,数值越大,群体内个体间的相似性越高。 模型的解释力 (Model's explanatory power) Marginal R²: 表示模型中固定效应解释的变异性比例。 Conditional R²: 表示固定效应和随机效应共同解释的变异性比例。 在您提供的模型结果中: 固定效应的截距估计值是24.02,表示当所有解释变量为零时的预期响应。p值小于0.001表示这个截距是统计显著的。 随机效应方面,τ00 id是3.75,表明不同的id(在这个情境下可能是不同的个体或实验单位)在基线响应上有显著的随机变异性。ICC是0.43,表明大约43%的变异性是在id群体内部的。 模型解释力方面,条件R²是0.432,意味着固定效应和随机效应共同解释了43.2%的响应变量的变异性 |
|