আমি আর-তে গড় মডেল ব্যবহার করে কিছু তথ্য বিশ্লেষণ করে কী রিপোর্ট করব তা বোঝার এবং জানার চেষ্টা করছি
প্রদত্ত ভেরিয়েবলের উপরে পরিমাপের পদ্ধতির প্রভাব বিশ্লেষণ করতে আমি নীচের স্ক্রিপ্টটি ব্যবহার করছি: ডেটাসেটটি এখানে: https://www.rodbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0
লাগানো মডেল:
LM.1 <- gls(VMTf ~ turn+sex+method, na.action="na.fail", method = "ML",VMT4)ড্রেজ পুরো মডেল
require(MuMIn)
d=dredge(LM.1)
print(d)
coefficients(d)
প্যারামিটারের প্রাক্কলন পেতে সমস্ত মডেলের সংক্ষিপ্তসার তথ্য পান
summary(model.avg(d))আমি জানি যে সমস্ত মডেলই গড় (সম্পূর্ণ মডেল গড়) বা সেগুলির কেবল একটি উপসেট (শর্তাধীন গড়) হতে পারে) এখন, আমি জানতে চাই: তথ্যগুলি তৈরি করতে কখন পূর্ণ বা শর্তসাপেক্ষ গড় ব্যবহার করা ভাল। বৈজ্ঞানিক নিবন্ধের জন্য আমার এই সমস্তের কী রিপোর্ট করা উচিত? মডেল গড় পরিস্থিতির জন্য জেড মান এবং সম্পর্কিত পি এর অর্থ কী?
আমার প্রশ্নগুলি কল্পনা করা সহজ করে তুলতে to এখানে ফলাফলের টেবিলটি দেওয়া হচ্ছে,
> summary(model.avg(d))# now, there are effects
Call:
model.avg(object = d)
Component model call:
gls(model = VMT ~ <8 unique rhs>, data = VMT4, method = ML, na.action =
na.fail)
Component models:
df logLik AICc delta weight
1 4 -247.10 502.52 0.00 0.34
12 5 -246.17 502.83 0.31 0.29
13 5 -246.52 503.52 1.01 0.20
123 6 -245.60 503.88 1.36 0.17
(Null) 2 -258.62 521.33 18.81 0.00
3 3 -258.38 522.95 20.43 0.00
2 3 -258.60 523.39 20.88 0.00
23 4 -258.36 525.05 22.53 0.00
Term codes:
method sex turn
1 2 3
Model-averaged coefficients:
(full average)
Estimate Std. Error Adjusted SE z value Pr(>|z|)
(Intercept) 42.63521 0.37170 0.37447 113.856 < 2e-16 ***
methodlight chamber -1.05276 0.36098 0.36440 2.889 0.00386 **
methodthermal gradient -1.80567 0.36103 0.36445 4.955 7e-07 ***
sex2 0.19023 0.29403 0.29548 0.644 0.51970
turn 0.05005 0.10083 0.10141 0.494 0.62165
(conditional average)
Estimate Std. Error Adjusted SE z value Pr(>|z|)
(Intercept) 42.6352 0.3717 0.3745 113.856 < 2e-16 ***
methodlight chamber -1.0528 0.3609 0.3643 2.890 0.00386 **
methodthermal gradient -1.8058 0.3608 0.3642 4.958 7.1e-07 ***
sex2 0.4144 0.3089 0.3119 1.328 0.18402
turn 0.1337 0.1264 0.1276 1.047 0.29492
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Relative variable importance:
method sex turn
Importance: 1.00 0.46 0.37
N containing models: 4 4 4