如何从modelsummary包中提取MSSummary的lmer（）模型的拟合优度统计信息

我正在使用

lmerTest:：lmer（）

对重复测量数据执行线性回归

我的模型包含固定效应（5级因子）和随机效应（主题）：

---

问题是，默认情况下，

glance

或

performance

中没有一个统计信息可用，这意味着您需要做一些腿部工作来定制输出

首先，我们加载库并估计模型：

库（模型摘要）
图书馆（lmerTest）
mod aic bic r2.条件r2.边际icc rmse西格玛nobs
#> 1 181.8949 187.7578      0.6744743   0.1432201 0.6200592 2.957141 3.149127   32

您会注意到那里没有

N（主题）

统计信息，所以我们需要手动添加它。一种可复制的方法是利用中描述的

glance\u custom

机制。要做到这一点，我们需要知道模型的类别：

class（mod）[1]
#>[1]“lmerModLmerTest”

然后，我们需要为这个类名定义一个方法。此方法应称为

glance\u custom.CLASSNAME

。在

lmerModLmerTest

模型中，可以通过获取摘要中的

ngrps

对象来检索组数。所以我们这样做：

---

glance\u custom.lmerModLmerTest您能澄清一下您的预期输出是什么吗？太棒了！这个更详细的例子说明了如何从
get_god（）
到
gof_map（）=gm
非常有帮助和深刻的见解–非常非常感谢！仅针对边际和配置R^2调整“fmt=2”
library(lmerTest) 
model_lm  <- lmer(likertscore ~ task.f + (1 | subject), data = df_long)  

Linear mixed model fit by REML ['lmerModLmerTest']
Formula: likertscore ~ factor + (1 | subject)
   Data: df_long
REML criterion at convergence: 6674.915
Random effects:
 Groups   Name        Std.Dev.
 subject  (Intercept) 1.076   
 Residual             1.514   
Number of obs: 1715, groups:  subject, 245
Fixed Effects:
                      (Intercept)                         factor1                         factor2  
                           3.8262                             1.5988                             0.3388  
                      factor3                             factor4                         factor5  
                          -0.7224                            -0.1061                            -1.1102  

library("performance")
performance::model_performance(my_model)

# Indices of model performance

AIC     |     BIC | R2 (cond.) | R2 (marg.) |  ICC | RMSE | Sigma
-----------------------------------------------------------------
6692.91 | 6741.94 |       0.46 |       0.18 | 0.34 | 1.42 |  1.51