如何从 modelsummary 包中的 msummary 的 lmer() 模型中提取拟合优度统计数据

Question

我正在使用lmerTest::lmer()重复测量数据执行线性回归。

我的模型包含固定效应（具有 5 个级别的因子）和随机效应（主题）：

library(lmerTest) 
model_lm  <- lmer(likertscore ~ task.f + (1 | subject), data = df_long)  

我想在我用 生成的回归表中包括观察总数、受试者数量、总 R^2 和固定效应的 R^2 modelsummary()。

我尝试提取这些内容并按照包作者的gof_map 描述构建一个，但没有成功。下面是我从lmerTest::lmer()性能指标中获得的模型输出：

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

Answer 1

问题是默认情况下，您的统计信息之一在glance或 中不可用performance，这意味着您需要做一些跑腿工作来自定义输出。

首先，我们加载库并估计模型：

library(modelsummary)
library(lmerTest) 
mod  <- lmer(mpg ~ hp + (1 | cyl), data = mtcars) 

get_gof然后，我们使用包中的函数检查哪些可用的拟合优度统计数据modelsummary：

get_gof(mod)
#>        aic      bic r2.conditional r2.marginal       icc     rmse    sigma 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 (subject)统计数据，因此我们需要手动添加它。以可复制的方式执行此操作的一种方法是利用文档glance_custom中描述的机制modelsummary。为此，我们需要知道模型的类是什么：

class(mod)[1]
#> [1] "lmerModLmerTest"

然后，我们需要为这个类名定义一个方法。应该调用此方法glance_custom.CLASSNAME。在模型中，可以通过获取摘要中的对象lmerModLmerTest来检索组的数量。ngrps所以我们这样做：

glance_custom.lmerModLmerTest <- function(x, ...) {
  s <- summary(x)
  out <- data.frame(ngrps = s$ngrps)
  out
}

最后，我们使用gof_map参数来按照您想要的方式格式化结果：

gm <- list(
  list(raw = "nobs", clean = "N", fmt = 0),
  list(raw = "ngrps", clean = "N (subjects)", fmt = 0),
  list(raw = "r2.conditional", clean = "R2 (conditional)", fmt = 0),
  list(raw = "r2.marginal", clean = "R2 (marginal)", fmt = 0),
  list(raw = "aic", clean = "AIC", fmt = 3)
)

modelsummary(mod, gof_map = gm)

	型号1
（截距）	24.708
	(3.132)
生命值	-0.030
	(0.015)
氮	32
N（科目）	3
R2（有条件）	1
R2（边缘）	0
航空工业协会	181.895