Я провожу мета-анализ в R конкретной обработки лесов. Для этой модели мне нужно подогнать случайные эффекты, чтобы учесть различия в методах исследования и вариации возраста участков, поскольку оба эти фактора являются смешивающими переменными, и я явно не заинтересован в исследовании вариации, вызванной ими.
Однако, насколько я могу судить, пакет [metfor] не позволяет вам вычислять статистику типа R в квадрате, когда у вас есть многоуровневая модель.
В любом случае, чтобы более четко описать мою проблему, вот макет набора данных
Log<-data.frame(Method=rep(c("RIL","Conv"),each=10),
RU=runif(n=20,min=10,max=50),SDU=runif(n=20,5,20),
NU=round(runif(n=20,10,20),0))
Log$Study<-rep(1:4,each=5)
Log$Age<-rep(c(0,10,15,10),times=5)
RIL<-(Log$RU-(Log$RU*(abs(rnorm(n=20,mean=.6,sd=0.1)))))+(0.5*Log$Age)
Conv<-(Log$RU-(Log$RU*(abs(rnorm(n=20,mean=.2,sd=0.1)))))+(0.2*Log$Age)
Log$RL<-ifelse(Log$Method=="RIL",RIL,Conv)
Log$SDL<-Log$SDU
Log$NL<-Log$NU
#now we perform a meta-analysis using metafor
require(metafor)
ROM<-escalc(data=Log,measure="ROM",m2i=RU,
sd2i=SDU,n2i=NU,m1i=RL,sd1i=SDL,n1i=NL,append=T)
Model1<-rma.mv(yi,vi,random=~(1|Study)+(1|Age),method="ML",data=ROM)
summary(Model1)
forest(Model1)
Вышеупомянутая модель - это нулевая модель, которая проверяет, является ли перехват статистически значимо отличным от нуля. В нашем случае это так. Однако я также хочу посмотреть, описывают ли различия в методах лечения различия в величине эффекта, которые я вижу на лесном участке, который вы можете увидеть здесь 
Итак, я запускаю эту модель:
Model2<-rma.mv(yi,vi,mods=~Method,random=~(1|Study)+(1|Age),method="ML",data=ROM)
summary(Model2)
Что хорошо выглядит.
Multivariate Meta-Analysis Model (k = 20; method: ML)
logLik Deviance AIC BIC AICc
0.4725 19.8422 7.0550 11.0380 9.7217
Variance Components:
outer factor: Age (nlvls = 3)
inner factor: Study (nlvls = 4)
estim sqrt fixed
tau^2 0.0184 0.1357 no
rho 1.0000 no
Test for Residual Heterogeneity:
QE(df = 18) = 23.3217, p-val = 0.1785
Test of Moderators (coefficient(s) 2):
QM(df = 1) = 19.6388, p-val < .0001
Model Results:
estimate se zval pval ci.lb ci.ub
intrcpt -0.1975 0.1007 -1.9622 0.0497 -0.3948 -0.0002 *
MethodRIL -0.4000 0.0903 -4.4316 <.0001 -0.5768 -0.2231 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Тем не менее, я хотел бы получить для этой модели критерий согласия, эквивалентный R в квадрате. В прошлом у людей были эти проблемы с GLMM , но есть теперь способы сделать это. Мне было интересно, знает ли кто-нибудь хороший способ сделать что-то подобное с помощью метаанализа? У меня есть рецензенты, которые просят об этом, и я не уверен, стоит ли мне просто сказать им, что это невозможно или нет.
Заранее спасибо за помощь!
