ฉันหวังว่าคุณคงไม่สนใจคำถามนี้ แต่ฉันต้องการความช่วยเหลือในการตีความเอาต์พุตสำหรับโมเดลเอฟเฟกต์แบบผสมเชิงเส้นฉันพยายามเรียนรู้ที่จะทำในอาร์ฉันยังใหม่กับการวิเคราะห์ข้อมูลตามยาวและการถดถอยเชิงเส้นผสม ฉันมีโมเดลที่เหมาะกับสัปดาห์เป็นตัวทำนายเวลาและให้คะแนนในหลักสูตรการจ้างงานตามผลลัพธ์ของฉัน ฉันทำแบบจำลองคะแนนด้วยสัปดาห์ (เวลา) และผลกระทบคงที่หลายเพศและการแข่งขัน โมเดลของฉันมีเอฟเฟกต์แบบสุ่ม ฉันต้องการความช่วยเหลือในการทำความเข้าใจความหมายของความแปรปรวนและสหสัมพันธ์ ผลลัพธ์มีดังต่อไปนี้:
Random effects
Group Name Variance
EmpId intercept 680.236
weeks 13.562
Residual 774.256
correlaton คือ. 311
ฉันสามารถตีความความสัมพันธ์เนื่องจากมีความสัมพันธ์เชิงบวกระหว่างสัปดาห์และคะแนน แต่ฉันต้องการที่จะสามารถพูดได้ในแง่ของ "23% ของ ... "
ฉันขอขอบคุณความช่วยเหลือ
ขอบคุณ "แขก" และมาโครที่ตอบกลับ ขออภัยที่ไม่ตอบกลับฉันออกไปประชุมและฉันกำลังติดตาม นี่คือผลลัพธ์และบริบท
นี่คือสรุปสำหรับรุ่น LMER ที่ฉันวิ่ง
>summary(LMER.EduA)
Linear mixed model fit by maximum likelihood
Formula: Score ~ Weeks + (1 + Weeks | EmpID)
Data: emp.LMER4
AIC BIC logLik deviance REMLdev
1815 1834 -732.6 1693 1685
Random effects:
Groups Name Variance Std.Dev. Corr
EmpID (Intercept) 680.236 26.08133
Weeks 13.562 3.682662 0.231
Residual 774.256 27.82546
Number of obs: 174, groups: EmpID, 18
Fixed effects:
Estimate Std. Error t value
(Intercept) 261.171 6.23 37.25
Weeks 11.151 1.780 6.93
Correlation of Fixed Effects:
(Intr)
Days -0.101
ฉันไม่เข้าใจวิธีตีความความแปรปรวนและการตกค้างของเอฟเฟกต์แบบสุ่มและอธิบายให้คนอื่นฟัง ฉันไม่รู้วิธีตีความความสัมพันธ์นอกจากนั้นเป็นค่าบวกซึ่งบ่งชี้ว่าผู้ที่มีดักสกัดที่สูงกว่ามีเนินลาดสูงกว่าและผู้ที่มีดักสกัดที่ต่ำกว่ามีเนินลาดต่ำกว่า แต่ก็ไม่รู้วิธีอธิบายความสัมพันธ์ในแง่ ของ 23% ของ . . . (ฉันไม่รู้วิธีจบประโยคหรือแม้ว่ามันจะสมเหตุสมผลก็ตาม) นี่คือการวิเคราะห์ประเภทต่าง ๆ สำหรับเราเนื่องจากเรา (ฉัน) กำลังพยายามที่จะย้ายไปสู่การวิเคราะห์ระยะยาว
ฉันหวังว่านี่จะช่วยได้.
ขอบคุณสำหรับความช่วยเหลือของคุณ
Zeda