如何在R语言lme4包中获取线性混合模型的总平方和与误差平方和
线性混合效应模型获取SSTO、SSE的实操方法
基础逻辑说明
你当前用lmerTest::anova输出的固定效应平方和,本质是将固定效应对离差的解释度单独拆分出来展示,并未覆盖完整的平方和分解链路。混合效应模型的平方和结构为:
总平方和(SSTO) = 随机效应解释的平方和 + 固定效应解释的平方和 + 残差平方和(SSE)
其中只有固定效应解释的平方和会默认出现在anova(mod)的输出里,剩下两类值可以通过以下两类无额外依赖的方法快速获取。
方法1:直接提取模型组件计算(最简方案)
该方法适配你给出的单随机截距模型场景,不需要额外拟合新模型,直接提取已有对象的计算组件即可:
- SSTO计算:总平方和是响应变量偏离自身均值的累计平方和,直接基于原始响应变量计算即可,和模型结构无关:
ssto <- sum((y - mean(y))^2) - SSE计算:误差平方和是模型残差的累计平方和,直接从拟合好的模型对象中提取残差计算:
sse <- sum(residuals(mod)^2)
可以直接用你给出的示例代码跑通校验:
# 接你给出的建模代码后续 # 计算SSTO ssto <- sum((y - mean(y))^2) # 计算SSE sse <- sum(residuals(mod)^2) # 交叉校验:固定效应的平方和值和anova输出完全对齐 anova(mod)
方法2:零模型对比法(适配复杂模型场景)
如果你的模型包含多组固定效应、复杂随机效应结构,想严格对齐lmerTest的平方和计算口径,可以通过对比零模型和全模型的残差值验证结果:
- 零模型定义:固定效应部分仅保留截距,随机效应结构和目标模型完全一致,对应代码:
mod_null <- lmer(y ~ 1 + (1|random)) - 零模型的残差平方和,是扣除随机效应解释的离差后,剩余可被固定效应和残差解释的总离差,即
sse_null = sum(residuals(mod_null)^2) - 全模型和零模型的残差平方和差值,和
anova(mod)输出的固定效应平方和完全相等,可用来校验计算结果的准确性。
注意:混合效应模型不能照搬普通线性回归的平方和分解逻辑——由于随机效应本身会解释一部分响应变量的离差,直接用SSTO减去固定效应平方和得到的结果不等于SSE,必须单独扣除随机效应贡献的离差部分。
内容的提问来源于stack exchange,提问作者BioBroo
相关产品推荐
相关产品推荐

