如何在 lme4 中導出效果大小並描述固定效果的大小？

我已經運行了一個具有 ln 轉換的連續響應（秒）的混合效應模型，並發現分類預測變量的顯著效應（治療/控制，模型中唯一的固定效應）。

我想： 1- 報告效應大小（cohen’s d 等） 2- 在考慮隨機效應後，以治療個體與對照個體不同的平均秒數來描述效應的大小。

我不確定如何實現這兩個目標。非常感謝您提供的任何建議。

我的代碼和結果如下。

mod1 = lmer(data=data, ln_duration ~ treatment + (1 | id/date/size) +  
(1 | visitor), na.action=na.exclude)

Linear mixed model fit by REML 
t-tests use  Satterthwaite approximations to degrees of freedom ['lmerMod']
Formula: ln_duration ~ treatment + (1 | id/date/size) +  
(1 | visitor)
Data: data

REML criterion at convergence: 248

Scaled residuals: 
 Min      1Q  Median      3Q     Max 
-2.7323 -0.4963 -0.0206  0.5600  3.8502 

Random effects:
Groups                             Name        Variance Std.Dev.
display_size:(date:id)             (Intercept) 0.00000  0.0000  
date:id                            (Intercept) 0.00000  0.0000  
visitor                            (Intercept) 0.03574  0.1891  
id                                 (Intercept) 0.01164  0.1079  
Residual                                       0.20001  0.4472  
Number of obs: 170, groups:  
size:(date:id), 130; date:id, 128; visitor, 118; id, 58

Fixed effects:
                     Estimate     Std. Error  df t value  Pr(>|t|)    
(Intercept)               -0.17012    0.06334  41.63000   -2.686 0.010348 *      
      treatmenttreatment  0.31172    0.08135  40.27000    3.832 0.000436 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
           (Intr)
   trtmnt -0.729

Brysbaert 和 Stevens最近發表了一篇關於如何使用 lme4 包計算效果大小的論文。

代碼：

library (lme4)
fit <- lmer(RT ~ prime + (prime|item) + (prime|participant), data = data)
summary(fit)

有一種固定效應（素數效應）和四種隨機效應：

每個參與者的攔截（捕捉到一些參與者比其他參與者更快的事實）。每個項目的截距（捕捉到某些項目比其他項目更容易的事實）。每個參與者的斜率（捕捉所有參與者的啟動效應不同的可能性）。每個項目的斜率（捕捉所有項目的啟動效果不同的可能性）。

我無法使用這個解決方案，因為我使用了 nmle 包，因為它讓我可以更輕鬆地定義自相關結構（Pinheiro & Bates，2008），但我想我還是會分享它。

引用自：https://stats.stackexchange.com/questions/257985