我可以提供一些参考：

徐河（2003）。测量线性混合效应模型中的解释变化。医学统计，22，3527-3541。DOI:10.1002/sim.1572

Edwards, LJ, Muller, KE, Wolfinger, RD, Qaqish, BF 和 Schabenberger, O. (2008)。一个$R^2$线性混合模型中固定效应的统计量。医学统计，27，6137-6157。DOI:10.1002/sim.3429

Hössjer, O. (2008)。关于混合回归模型的决定系数。统计规划与推理杂志，138，3022-3038。DOI:10.1016/j.jspi.2007.11.010

Nakagawa, S. 和 Schielzeth, H. (2013)。一种通用且简单的获取方法$R^2$来自广义线性混合效应模型。生态与进化方法， 4，133-142。DOI:10.1111/j.2041-210x.2012.00261.x

快乐阅读！

根据2013 年的这篇博MuMIn文，中的包R可以提供 R$^2$混合模型的值是Nakagawa 和 Schielzeth 2013 年开发的一种方法$^1$（在之前的答案中提到过）。

#load packages
library(lme4)
library(MuMIn)

#Fit Model
m <- lmer(mpg ~ gear + disp + (1|cyl), data = mtcars)

#Determine R2:
r.squaredGLMM(m) 

       R2m       R2c 
 0.5476160 0.7150239  

函数的输出r.squaredGLMM提供：

• R2m：与固定效应相关的边际 R 平方值

• R2c与固定效应和随机效应相关的条件 R2 值。

注意：对链接博客文章的评论表明，由Jon Lefcheck开发的另一种 Nakagawa & Schielzeth 启发方法（使用包sem.model.fits中的函数piecewiseSEM）产生了相同的结果。[所以你有选择：p]。

• 我没有测试后一个功能，但我确实测试了包中的r.squaredGLMM()功能，MuMIn因此可以证明它在今天（2018 年）仍然有效。

• 至于这种方法的有效性，我继续阅读 Nakagawa & Schielzeth (2013)（以及后续文章 Johnson 2014$^2$） 由你决定。

^{1：Nakagawa, S. 和 Schielzeth, H. 2013。一种从广义线性混合效应模型中获得 R2 的通用且简单的方法。生态与进化方法4（2）：133-142。}

^{2：Johnson，PCD 2014 年将 Nakagawa 和 Schielzeth 的 R2GLMM 扩展到随机斜率模型。生态与进化方法5：44-946。}