如何用r2glmm获取混合模型中整体检验的效应量？

架构老林

2026-6-21

问题描述

我有一个包含四列的数据框：

ID：被试编号
F1：含两个水平（A;B）的第一个因子
F2：含三个水平（C;D;E）的第二个因子
Score：某变量得分
被试与两个因子为交叉设计。以下是结构模拟示例：

df <- data.frame(ID = rep(1:10, each = 6),
                 F1 = factor(rep(c("A","B"), n = 30)),
                 F2 = factor(rep(c("C","D","E"), each = 2, n = 10)),
                 score = rnorm(60, mean = 4, sd = 0.8))

   ID F1 F2    score
1   1  A  C 4.066147
2   1  B  C 3.613192
3   1  A  D 3.897367
4   1  B  D 3.612968
5   1  A  E 3.157702
6   1  B  E 3.707172
7   2  A  C 2.984475
8   2  B  C 4.488807
9   2  A  D 4.711186
10  2  B  D 3.774878

采用对比编码构建混合模型：

contrasts(df$F1) <- c(-1/2,1/2)
contrasts(df$F2) <- matrix(c(-2/3,1/3,1/3,
                           0,-1/2,1/2),
                           ncol = 2)

library(lme4)
library(lmerTest)
model <- lmer(score ~ F1 * F2 + (1 | ID), data = df)

用anova()可得到因子及交互的整体效应：

anova(model)

       Sum Sq Mean Sq NumDF DenDF F value Pr(>F)
F1    1.59711 1.59711     1    45  2.3893 0.1292
F2    1.17285 0.58642     2    45  0.8773 0.4229
F1:F2 0.39331 0.19666     2    45  0.2942 0.7466

但使用r2glmm包的r2beta()函数时，仅返回各特定对比的效应量，无法获取因子/交互的整体效应量：

library(r2glmm)

r2beta(model)

   Effect   Rsq upper.CL lower.CL
1   Model 0.119    0.435    0.052
2     F11 0.064    0.286    0.000
3     F21 0.042    0.249    0.000
6 F11:F22 0.012    0.181    0.000
4     F22 0.006    0.163    0.000
5 F11:F21 0.005    0.157    0.000

已知effectsize包的eta_squared()可实现，但希望尽量用r2glmm保持研究一致性，询问解决办法。

解决方案

目前CRAN上的r2glmm版本不支持获取整体效应量，但该包的开发版本已更新此功能，可通过以下步骤安装开发版解决：

卸载已安装的r2glmm版本（若存在）：

remove.packages("r2glmm")

安装devtools包（若未安装）：

install.packages("devtools")

安装r2glmm的开发版：

library(devtools)
install_github("bcjaeger/r2glmm")

安装完成后，调用r2beta()时指定partial = TRUE与method = 'sgv'参数，即可得到因子及交互项的整体效应量：

library(r2glmm)
r2beta(model, partial = TRUE, method = 'sgv')

内容的提问来源于stack exchange，提问作者antvan