ฉันกำลังวิเคราะห์ข้อมูลการติดตามด้วยตาจากการทดสอบที่ออกแบบมา ข้อมูลรุ่นที่เรียบง่ายของฉันจะมีลักษณะดังนี้ (คุณสามารถรับข้อมูล dput () ได้ที่นี่ )
head(lookDATA)
participant fixationImage fixationCount
1 9 Automobile 81
2 9 Bird 63
3 9 Chair 82
4 9 Dog 64
5 9 Face 90
6 9 Plant 75
โดยที่ผู้เข้าร่วมเป็นตัวระบุที่ไม่ซ้ำกันสำหรับแต่ละเรื่อง fixationImage คือประเภทของรูปภาพที่พวกเขาจับจ้องอยู่และ fixationCount คือจำนวนครั้งที่พวกเขาได้รับการแก้ไขในหมวดหมู่รูปภาพนั้น
ฉันพอดีกับรูปแบบ Poisson ข้อมูลโดยใช้ glmer () จากแพคเกจ lme4
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
ฉันใช้ lsmeans () จากแพ็คเกจ lsmeansเพื่อตรวจสอบความแตกต่างระหว่างระดับปัจจัย
cld(lsmeans(model,"fixationImage"))
ซึ่งให้ผลลัพธ์ต่อไปนี้:
fixationImage lsmean SE df asymp.LCL asymp.UCL .group
Chair 3.786022 0.05764923 NA 3.673018 3.899026 1
Bird 3.866201 0.05750641 NA 3.753476 3.978925 2
Dog 3.868768 0.05751010 NA 3.756037 3.981500 2
Body 3.883644 0.06040952 NA 3.765230 4.002059 23
Plant 3.893327 0.05746744 NA 3.780679 4.005975 23
Automobile 3.901939 0.05745528 NA 3.789315 4.014563 23
Face 3.946848 0.05832549 NA 3.832519 4.061178 3
ตามที่ฉัน (บางทีอาจจะ จำกัด ) ความเข้าใจในการใช้ lsmeans Vignette คอลัมน์ lsmean ควรแสดงค่าเฉลี่ยของจำนวนลักษณะหมวดหมู่ที่กำหนดตามคำทำนายของรูปแบบ
อย่างไรก็ตามค่าเหล่านี้ดูเหมือนไม่สบายใจจากสถิติเชิงพรรณนาสำหรับตัวเลขเหล่านี้
summaryBy(fixationCount ~ fixationImage, data = lookDATA)
fixationImage fixationCount.mean
1 Automobile 55.18750
2 Bird 53.25000
3 Body 57.12821
4 Chair 50.39450
5 Dog 53.82883
6 Face 56.76389
7 Plant 54.71429
แนะนำบางทีฉันไม่ถูกต้องเข้าใจสิ่งที่ lsmeans เป็นตัวแทนที่นี่หรือบางทีฉันได้ทำตัวแบบผิดพลาด
ความช่วยเหลือใด ๆ จะได้รับการชื่นชมอย่างมาก
$<-.data.frame
(*tmp*
, "sep", value = ","): การแทนที่มี 1 แถวมีข้อมูล 0. สำหรับบันทึกฉันใช้ R เวอร์ชั่น 3.1.2 (2014-10-31) 'Pumpkin Helmet' และ lsmeans เวอร์ชัน 2.17 อย่างไรก็ตามคุณตอบคำถามของฉันแล้วฉันจะแปลงผลลัพธ์ด้วยตนเอง ขอบคุณอีกครั้ง!