R 如何计算负二项混合效应模型中固定效应的效应大小？

我通过使用glmmTMB函数拟合两个负二项混合模型来检验某种固定效应（这里是效应3）：一个有固定效应，一个没有固定效应。接下来，我进行似然比测试，以测试效应3的显著性（示例数据）：

---

eff1您能更具体地解释一下“效果大小”是什么意思吗？有很多定义……嗯，我在想科恩的f^2（如上图所示）。也许由于R平方计算错误，这种方法不起作用，但到目前为止，我还没有找到用这种glmmTMB模型计算R^2的替代方法……你能给我们一个简单的答案吗？我用
r2\u efron（）
和
r2（）$r2\u marginal（）
试过的两个例子没有你描述的病理学……我在这里可以生成的例子都是用
r2（）
的。但是，由于
r2（）
，我的数据会产生NAs
r2_efron（）
在所有情况下都有效，但是我使用上面的代码得到的效果大小高达14，这不可能是真的。我有18个固定效果，数值介于-1和1之间。当使用相同的“计数”但仅为固定效果的一小部分时，我会得到
r2（）
的结果。当使用较少稀疏且通常较高的“计数”数据和所有固定效果时，我也会得到一个结果。这是方差的问题吗？使用glm而不是glmmTMB也会产生
r2（）
结果。很抱歉，要澄清最后一句话：this
model1
eff1 <- c(0.026, 0.003, -0.008, -0.057, -0.022)

eff2 <- c(-0.002, -0.013, 0.036, 0.005, 0.074)

eff3 <- c(0.027, 0.021, -0.015, 0.008, 0)

counts <- c(18317, 19899, 11048, 23920, 20656)

data.eff <- data.frame(effect1 = eff1, effect2 = eff2, effect3 = eff3, Val = counts)

modeling <- function(m.data, vars){
  # This is how the model should look like
  f <- reformulate(termlabels = vars, response = outcome)
  model <- glmmTMB(formula = f, data = m.data, family = nbinom2())
}

outcome <- "Val"
variables <- colnames(data.eff[,-which(colnames(data.eff) == "Val")])
variableswo <- colnames(data.eff[,-which(colnames(data.eff) == "Val")])[-3]

model1 <- modeling(m.data = data.eff, vars = variables)
model2 <- modeling(m.data = data.eff, vars = variableswo)

res <- lrtest(model1, model2)

r22 <- r2(model1)
r21 <- r2(model2)
f2 <- (r22-r21)/(1-r22)