পিএসসন মিশ্রিত মডেল (গ্লمرের সাথে খাপ খায়) এর মতো জেনারেলাইজড লিনিয়ার মডেলটির জন্য lsmeans কী প্রতিবেদন করে?


10

আমি একটি নকশা করা পরীক্ষা থেকে চোখের ট্র্যাকিং ডেটা বিশ্লেষণ করছি। আমার ডেটার একটি সরলিকৃত সংস্করণ দেখতে এইরকম দেখাচ্ছে (আপনি এখানে dp () ডেটা পেতে পারেন ),

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

যেখানে অংশগ্রহণকারী প্রতিটি বিষয়ের জন্য একটি অনন্য সনাক্তকারী, সেখানে ফিক্সেশনইমেজ তারা কোন চিত্র বিভাগে স্থির করেছেন এবং ফিক্সেশনকাউন্টটি সেই চিত্রের বিভাগে তারা কতবার নির্ধারণ করেছেন।

আমি lme4 প্যাকেজ থেকে গ্ল্যামার () ব্যবহার করে ডেটাতে একটি পিসন মডেল ফিট করি ।

model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)

আমি ফ্যাক্সার স্তরের মধ্যে পার্থক্য পরীক্ষা করতে lsmeans প্যাকেজ থেকে lsmeans () ব্যবহার করেছি ,

cld(lsmeans(model,"fixationImage"))

যা নিম্নলিখিত আউটপুট সরবরাহ করে:

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 

Lsmeans vignette ব্যবহার সম্পর্কে আমার (সম্ভবত সীমাবদ্ধ) বোধ অনুসারে lsmean কলামটি মডেলের দ্বারা পূর্বাভাস দেওয়া কোনও নির্দিষ্ট বিভাগের গড় গড় সংখ্যা উপস্থাপন করবে।

যাইহোক, এই মানগুলি এই সংখ্যাগুলির সহজ বর্ণনামূলক পরিসংখ্যান থেকে অস্বস্তিকর মনে হয়,

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

সুপারিশ করে যে lsmeans এখানে প্রতিনিধিত্ব করে আমি সঠিকভাবে বুঝতে পারছি না, বা সম্ভবত আমি মডেলটি ভুল বানিয়েছি।

কোন সহায়তা ব্যাপকভাবে প্রশংসা হবে।

উত্তর:


9

আউটপুট প্রতিটি চিত্রের জন্য আপনার মডেল থেকে পূর্বাভাস উপস্থাপন করে। বিষ পরিবারের সাথে, ডিফল্ট লিঙ্ক ফাংশন হ'ল প্রাকৃতিক লগ - সুতরাং সেই মানগুলি লগ স্কেলে থাকে। যদি আপনি তা করেন তবে lsmeans(..., type = "response")এটি পূর্বাভাসগুলিকে আসল প্রতিক্রিয়া স্কেলে ফিরে আসবে form


দ্রুত উত্তরের জন্য অনেক ধন্যবাদ। আমি আমার সিনট্যাক্সটি সিডিএডে পরিবর্তন করেছি (lsmeans (মডেল, "ফিক্সেশনআইমেজ", টাইপ = "প্রতিক্রিয়া")) তবে নিম্নলিখিত ত্রুটি পেয়েছি: $<-.data.frame( *tmp*, "sep", মান = ",") এ ত্রুটি হয়েছে : প্রতিস্থাপনের 1 টি সারি রয়েছে, ডেটা রয়েছে 0. রেকর্ডের জন্য আমি আর সংস্করণটি 3.1.2 (2014-10-31) 'কুমড়ো হেলমেট' এবং lsmeans সংস্করণ 2.17 ব্যবহার করছি। তবুও, আপনি আমার প্রশ্নের উত্তর দিয়েছেন এবং আমি নিজেই আউটপুটটি রূপান্তর করব। আবার ধন্যবাদ!
মার্কাস মরিসেই

আপডেট: আর সংস্করণ 3.2.0 (2015-04-16), "উপাদানগুলির সম্পূর্ণ"
মার্কাস মরিসেই

2
ত্রুটি কেন ঘটে তা আমি নিশ্চিত নই তবে মনে হচ্ছে এটি cldজিনিস থেকে এসেছে । এটি বের করে দেখুন এবং এটি কাজ করে কিনা দেখুন। এবং pairsতুলনা পরীক্ষা করার জন্য সিডিএল পরিবর্তে ব্যবহার করুন (একটি পৃথক কলে)। এটি যাইহোক ভাল রুট কারণ সিএলডি কৃষ্ণ-সাদা সিদ্ধান্ত নেয়।
রাশ দৈর্ঘ্য

আবার ধন্যবাদ. আপনি সঠিক ছিলেন, সিএলডি () এর বাইরে ফাংশনগুলি ভাল। আমি জোড়া () এর শ্রেষ্ঠত্ব সম্পর্কে আপনার মূল্যায়নের সাথে একমত। আমি প্লট করার জন্য সিডিএল () আউটপুট ব্যবহার করার পরিকল্পনা করছি এবং পরিপূরক উপকরণগুলিতে জোড় () থেকে আরও বিস্তারিত তথ্য সহ একটি টেবিল অন্তর্ভুক্ত করব। দুর্দান্ত প্যাকেজ, দুর্দান্ত কাজ চালিয়ে যান।
মার্কাস মরিসেই

3
@ মার্কাসমারিসি আমি cldএই ত্রুটিটি তৈরি করার মধ্যে বাগটি স্থির করেছি । এটি রিপোর্ট করার জন্য ধন্যবাদ। আপনি যদি আমাকে আপডেট প্যাকেজটি প্রেরণ করতে চান তবে আমাকে একটি ইমেল প্রেরণ করুন (রক্ষণাবেক্ষণ ক্ষেত্র দেখুন)। অন্যথায় এটি কয়েক সপ্তাহের মধ্যে CRAN- এ আপডেট হবে।
রাশ দৈর্ঘ্যের
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.