ฉันจะตีความ 'ความสัมพันธ์ของเอฟเฟกต์คงที่' ในผลลัพธ์ของ Glmer ได้อย่างไร

ฉันมีผลลัพธ์ต่อไปนี้:

Generalized linear mixed model fit by the Laplace approximation 
Formula: aph.remain ~ sMFS2 +sAG2 +sSHDI2 +sbare +season +crop +(1|landscape) 

 AIC   BIC    logLik deviance
 4062  4093  -2022   4044

Random effects:
Groups    Name        Variance Std.Dev.
landscape (Intercept) 0.82453  0.90804 
Number of obs: 239, groups: landscape, 45

Fixed effects:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  2.65120    0.14051  18.868   <2e-16     
sMFS2        0.26922    0.17594   1.530   0.1260    
sAG2         0.09268    0.14529   0.638   0.5235    
sSHDI2       0.28345    0.17177   1.650   0.0989  
sbare        0.41388    0.02976  13.907   <2e-16 
seasonlate  -0.50165    0.02729 -18.384   <2e-16 
cropforage   0.79000    0.06724  11.748   <2e-16 
cropsoy      0.76507    0.04920  15.551   <2e-16 

Correlation of Fixed Effects:
           (Intr) sMFS2  sAG2   sSHDI2 sbare  sesnlt crpfrg
sMFS2      -0.016                                          
sAG2        0.006 -0.342                                   
sSHDI2     -0.025  0.588 -0.169                            
sbare      -0.113 -0.002  0.010  0.004                     
seasonlate -0.034  0.005 -0.004  0.001 -0.283              
cropforage -0.161 -0.005  0.012 -0.004  0.791 -0.231       
cropsoy    -0.175 -0.022  0.013  0.013  0.404 -0.164  0.557

ตัวแปรต่อเนื่องทั้งหมดของฉัน (แสดงโดยขนาดเล็กsก่อนชื่อตัวแปร) จะได้มาตรฐาน (คะแนน z) seasonเป็นตัวแปรเด็ดขาดที่มี 2 ระดับ (ต้นและปลาย) และcropเป็นตัวแปรเด็ดขาดที่มี 3 ระดับ (ข้าวโพดอาหารสัตว์และถั่วเหลือง)

ความสัมพันธ์ของเมทริกซ์เอฟเฟกต์คงนี้ทำให้ฉันสับสนจริงๆเพราะความสัมพันธ์ทั้งหมดมีเครื่องหมายตรงกันข้ามที่พวกเขาทำเมื่อฉันดูการถดถอยแบบเรียบง่ายของตัวแปรคู่ กล่าวคือความสัมพันธ์ของเมทริกซ์เอฟเฟกต์คงที่แสดงให้เห็นถึงความสัมพันธ์เชิงบวกที่แข็งแกร่งระหว่างcropforageและsbareในความเป็นจริงมีความสัมพันธ์เชิงลบที่แข็งแกร่งมากระหว่างตัวแปรเหล่านี้ - พืชอาหารสัตว์มักจะมีพื้นดินที่เปลือยเปล่าน้อยกว่าเมื่อเปรียบเทียบกับข้าวโพดและถั่วเหลือง ตัวแปรต่อเนื่องคู่หนึ่งมีปัญหาเดียวกันความสัมพันธ์ของเมทริกซ์เอฟเฟกต์บอกว่าทุกอย่างตรงข้ามกับที่ควรจะเป็น ... นี่อาจเป็นเพราะความซับซ้อนของตัวแบบ (ไม่ใช่การถดถอยอย่างง่าย)? มันมีบางอย่างที่เกี่ยวข้องกับความจริงที่ว่าตัวแปรนั้นเป็นมาตรฐานหรือไม่?

ขอบคุณ

เอาต์พุต "ความสัมพันธ์ของเอฟเฟกต์คงที่" ไม่มีความหมายที่เข้าใจง่ายซึ่งส่วนใหญ่จะอธิบายถึงมัน โดยเฉพาะไม่เกี่ยวกับความสัมพันธ์ของตัวแปร (ตามหมายเหตุ OP) ในความเป็นจริงเกี่ยวกับความสัมพันธ์ที่คาดหวังของสัมประสิทธิ์การถดถอย แม้ว่าสิ่งนี้อาจพูดถึงความหลากหลายทางเชื้อชาติก็ไม่จำเป็นต้อง ในกรณีนี้มันจะบอกคุณว่าถ้าคุณได้ทดลองอีกครั้งและมันจึงเกิดขึ้นที่ค่าสัมประสิทธิ์สำหรับcropforageมีขนาดเล็กก็มีแนวโน้มว่าดังนั้นก็จะจะ coeffienct sbareของ

ในส่วนของหนังสือของเขา "การวิเคราะห์ข้อมูลภาษาศาสตร์: การแนะนำเบื้องต้นเกี่ยวกับสถิติโดยใช้ R" การจัดการกับ lme4 Baayen ยับยั้งส่วนนั้นของผลลัพธ์และประกาศว่ามีประโยชน์เฉพาะในกรณีพิเศษ นี่คือข้อความ listserv ที่ Bates อธิบายถึงวิธีการตีความส่วนนั้นของเอาต์พุต:

มันเป็นความสัมพันธ์โดยประมาณของตัวประมาณค่าของผลกระทบคงที่ (ฉันรวมคำว่า "โดยประมาณ" ไว้ด้วยเพราะฉันควร แต่ในกรณีนี้การประมาณนั้นดีมาก) ฉันไม่แน่ใจว่าจะอธิบายยังไงดีกว่านั้น สมมติว่าคุณใช้ตัวอย่าง MCMC จากพารามิเตอร์ในโมเดลแล้วคุณคาดว่าตัวอย่างของพารามิเตอร์เอฟเฟกต์คงที่เพื่อแสดงโครงสร้างความสัมพันธ์เช่นเมทริกซ์นี้

หากความสัมพันธ์เชิงลบและเชิงบวกของคุณเหมือนกันในค่าของพวกเขาและมีเพียงเครื่องหมายของพวกเขาที่แตกต่างกันคุณจะเข้าสู่ตัวแปรที่ผิดพลาด แต่ฉันไม่คิดว่านี่เป็นกรณีสำหรับคุณเนื่องจากคุณดูสถิติค่อนข้างสูงแล้ว

ความไม่ลงรอยกันที่คุณกำลังประสบอยู่อาจเกิดขึ้นและมีสาเหตุมาจากความสัมพันธ์หลายระดับ หมายความว่าเมื่อตัวแปรอิสระบางตัวใช้เอฟเฟกต์ที่เหลื่อมกันบางอย่างหรือกล่าวอีกนัยหนึ่งว่ามีความสัมพันธ์กัน ตัวอย่างเช่นการสร้างแบบจำลองให้กับตัวแปร "อัตราการเติบโต" และ "ขนาดของเนื้องอก" อาจทำให้เกิดความหลากหลายทางชีวภาพเนื่องจากเป็นไปได้และเป็นไปได้ว่าเนื้องอกขนาดใหญ่จะมีอัตราการเติบโตที่สูงขึ้น สิ่งนี้อาจสร้างความสับสนให้กับแบบจำลอง และหากแบบจำลองของคุณมีตัวแปรอิสระน้อยซึ่งมีความสัมพันธ์ซึ่งกันและกันการตีความผลลัพธ์บางครั้งอาจกลายเป็นเรื่องยาก บางครั้งมันนำไปสู่ค่าสัมประสิทธิ์ที่แปลกประหลาดอย่างสมบูรณ์แม้กระทั่งในขอบเขตที่สัญญาณของความสัมพันธ์บางอย่างกลับด้าน

คุณควรตรวจสอบแหล่งที่มาของความหลากสีและจัดการกับมันก่อนแล้วทำการวิเคราะห์ของคุณอีกครั้ง

มันจะมีประโยชน์ในการแสดงให้เห็นว่าความสัมพันธ์เหล่านั้นระหว่างผลกระทบคงที่จะได้รับโดยการแปลง "vcov" ของโมเดลเป็นเมทริกซ์สหสัมพันธ์ หากfitเป็นรุ่นติดตั้ง lme4 ของคุณแล้ว

vc <- vcov(fit)

# diagonal matrix of standard deviations associated with vcov
S <- sqrt(diag(diag(vc), nrow(vc), nrow(vc)))

# convert vc to a correlation matrix
solve(S) %*% vc %*% solve(S)

และความสัมพันธ์ระหว่างเอฟเฟกต์คงที่คือรายการนอกแนวทแยงมุม