lsmeans รายงานอะไรสำหรับโมเดลเชิงเส้นแบบทั่วไปเช่นโมเดลปัวซองแบบผสม (พอดีกับ glmer)


10

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

คำตอบ:


9

ผลลัพธ์แสดงถึงการทำนายจากแบบจำลองของคุณสำหรับแต่ละภาพ ด้วยตระกูลยาพิษฟังก์ชันลิงค์เริ่มต้นคือบันทึกธรรมชาติดังนั้นค่าเหล่านั้นจึงอยู่ในระดับล็อก หากคุณทำเช่นlsmeans(..., type = "response")นั้นระบบจะแปลงการคาดการณ์กลับไปเป็นระดับการตอบกลับดั้งเดิม


ขอบคุณมากสำหรับคำตอบที่รวดเร็ว ฉันเปลี่ยนไวยากรณ์เป็น cld (lsmeans (model, "fixationImage", type = "response")) แต่มีข้อผิดพลาดต่อไปนี้: ข้อผิดพลาดใน$<-.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!
Marcus Morrisey

อัปเดต: ข้อผิดพลาดยังคงอยู่เมื่ออัปเดตเป็นรุ่น R 3.2.0 (2015-04-16), "เต็มไปด้วยส่วนผสม"
Marcus Morrisey

2
ฉันไม่แน่ใจว่าทำไมข้อผิดพลาดเกิดขึ้น แต่ดูเหมือนว่ามันมาจากcldด้านข้างของสิ่งต่าง ๆ นำออกมาและดูว่ามันใช้งานได้หรือไม่ และใช้pairsแทน cld เพื่อทดสอบการเปรียบเทียบ (ในการโทรแยกต่างหาก) นั่นเป็นเส้นทางที่ดีกว่าเพราะ cld ทำการตัดสินใจแบบขาวดำ
Russ Lenth

ขอบคุณอีกครั้ง. คุณถูกต้องฟังก์ชั่นที่ดีนอกของ cld () ฉันเห็นด้วยกับการประเมินของคุณเกี่ยวกับความเหนือกว่าของคู่ () ฉันวางแผนที่จะใช้เอาต์พุต cld () สำหรับการพล็อตและรวมตารางที่มีข้อมูลรายละเอียดเพิ่มเติมจากคู่ () ในวัสดุเสริม แพ็คเกจที่ยอดเยี่ยมติดตามการทำงานที่ยอดเยี่ยม
Marcus Morrisey

3
@ MarcusMorrisey ฉันได้แก้ไขข้อผิดพลาดcldที่สร้างข้อผิดพลาด ขอบคุณสำหรับการรายงาน ส่งอีเมลถึงฉัน (ดูฟิลด์ผู้ดูแล) ถ้าคุณต้องการให้ฉันส่งแพ็คเกจที่อัปเดต มิฉะนั้นจะมีการอัปเดตใน CRAN ในอีกไม่กี่สัปดาห์
Russ Lenth
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.