R 从线性混合模型（lme4）获得效应尺寸

假设我想为lmer对象中的每个项获得某种效果大小，最好的方法是什么？例如，我的模型有两个主要影响（

gen

和

养分

）及其相互作用：

library(lme4)
data(Arabidopsis)
fit1 <- lmer(total.fruits~gen*nutrient+(1|reg), data=Arabidopsis)
summary(fit1)

# # # truncated output

Random effects:
 Groups   Name        Variance Std.Dev.
 reg      (Intercept)  144.4   12.02   
 Residual             1304.4   36.12   
Number of obs: 625, groups:  reg, 3

Fixed effects:
              Estimate Std. Error        df t value Pr(>|t|)    
(Intercept)    4.35938   10.72391   7.20000   0.407    0.696    
gen            0.13441    0.39560  67.90000   0.340    0.735    
nutrient       6.62369    0.99266 619.40000   6.673 5.58e-11 ***
gen:nutrient  -0.09971    0.04308 619.50000  -2.314    0.021 *  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

库（lme4）
数据（拟南芥）
fit1 | t |）
（截距）4.35938 10.72391 7.20000 0.407 0.696
gen 0.13441 0.39560 67.90000.340 0.735
营养素6.62369 0.99266 619.40000 6.673 5.58e-11***
gen:营养素-0.09971 0.04308 619.50000-2.314 0.021*
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1

---

如果我想得到每个固定效应主效应和相互作用项的效应大小（R2或伪R2），最好的方法是什么？获取完整模型的R2（a la

MuMIn:：r.squaredGLMM（fit1）

），并在构建最终模型时使用模型比较方法？还是有更好的方法？

您是否尝试过此软件包中的sem.model.fits功能？你应该能够获得变幻效果和固定效果的假想R2。如果希望效果大小对应于特定参数而不是整个模型，可以使用较少的参数分解模型并进行模型比较。

。这是编程问题还是统计问题？“什么是最好的方法”听起来像后者…@BenBolker Hi，R中有没有工具来计算效果大小（最好是lmer（）对象）？