机器算法验证 - 什么是易于解释的线性混合效应模型的拟合优度？ - 吾爱随笔录

我目前正在使用 R 包lme4。

我正在使用具有随机效应的线性混合效应模型：

library(lme4)
mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects
mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + 
            # random effects
mod3 <- lmer(r1 ~ p1 + p2 + (1 | site), data = sample_set) #Two fixed effects + 
            # random effects

为了比较模型，我正在使用该anova函数并查看 AIC 相对于最低 AIC 模型的差异：

anova(mod1, mod2, mod3)

以上对于比较模型很好。

但是，我还需要一些简单的方法来解释每个模型的拟合优度。有没有人有这种措施的经验？我已经做了一些研究，并且有关于混合效应模型的固定效应的 R 平方的期刊论文：

Cheng, J., Edwards, LJ, Maldonado-Molina, MM, Komro, KA, & Muller, KE (2010)。真实人的真实纵向数据分析：构建足够好的混合模型。医学统计，29（4），504-520。doi: 10.1002/sim.3775
Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF 和 Schabenberger, O. (2008)。线性混合模型中固定效应的 R2 统计量。医学统计，27（29），6137-6157。doi: 10.1002/sim.3429

然而，对于使用上述论文中提出的措施似乎存在一些批评。

有人可以建议一些可以适用于我的模型的易于解释的拟合优度度量吗？