আমার পরিস্থিতি সম্পর্কে এখানে একটি সামান্য পটভূমি: আমার ডেটাটি কোনও শিকারীর দ্বারা সফলভাবে খাওয়া শিকারের সংখ্যা বোঝায় refer যেহেতু প্রতিটি পরীক্ষায় শিকারের সংখ্যা সীমাবদ্ধ (25 টি উপলভ্য), আমার কাছে একটি কলাম "নমুনা" উপস্থিত শিকারের সংখ্যা উপস্থাপন করেছিল (সুতরাং, প্রতিটি পরীক্ষায় 25) এবং "গণনা" নামে আরেকটি ছিল যা সাফল্যের সংখ্যা ছিল ( কত শিকার খাওয়া হয়েছে)। আমি অনুপাতের ডেটা (পৃষ্ঠা 578) এর আর বই থেকে উদাহরণটিতে আমার বিশ্লেষণ ভিত্তিক করেছিলাম। ব্যাখ্যামূলক পরিবর্তনশীল হ'ল তাপমাত্রা (4 স্তর, যা আমি ফ্যাক্টর হিসাবে বিবেচনা করি), এবং শিকারীর লিঙ্গ (স্পষ্টতই পুরুষ বা মহিলা)। সুতরাং আমি এই মডেলটি দিয়ে শেষ করছি:
model <- glm(y ~ Temperature+Sex+Temperature*Sex data=predator, family=quasibinomial)
ডিভায়েন্স সারণির বিশ্লেষণ পাওয়ার পরে, দেখা যাচ্ছে যে তাপমাত্রা এবং লিঙ্গ (তবে মিথস্ক্রিয়া নয়) শিকারের ব্যবহারের উপর উল্লেখযোগ্য প্রভাব ফেলে। এখন, আমার সমস্যা: আমার জানা দরকার যে কোন তাপমাত্রার পার্থক্য রয়েছে, অর্থাত, আমাকে চারটি তাপমাত্রাকে একে অপরের সাথে তুলনা করতে হবে। আমার যদি লিনিয়ার মডেল থাকে তবে আমি টুকিএইচএসডি ফাংশনটি ব্যবহার করতাম, তবে আমি যেমন একটি জিএলএম ব্যবহার করি তেমনি করতে পারি না। আমি প্যাকেজ এমএএসএসের মাধ্যমে সন্ধান করছি এবং একটি বিপরীতে ম্যাট্রিক্স স্থাপনের চেষ্টা করছি তবে কিছু কারণে এটি কাজ করে না। কোন পরামর্শ বা রেফারেন্স?
আমি আমার মডেল থেকে সংক্ষিপ্তসারটি এখানে পেয়েছি, যদি এটি এটিকে আরও স্পষ্ট করে তুলতে সহায়তা করে ...
y <- cbind(data$Count, data$Sample-data$Count)
model <- glm(y ~ Temperature+Sex+Temperature*Sex data=predator, family=quasibinomial)
> summary(model)
# Call:
# glm(formula = y ~ Temperature + Sex + Temperature * Sex, family=quasibinomial, data=data)
# Deviance Residuals:
# Min 1Q Median 3Q Max
# -3.7926 -1.4308 -0.3098 0.9438 3.6831
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) -1.6094 0.2672 -6.024 3.86e-08 ***
# Temperature8 0.3438 0.3594 0.957 0.3414
# Temperature11 -1.0296 0.4803 -2.144 0.0348 *
# Temperature15 -1.2669 0.5174 -2.449 0.0163 *
# SexMale 0.3822 0.3577 1.069 0.2882
# Temperature8:SexMale -0.2152 0.4884 -0.441 0.6606
# Temperature11:SexMale 0.4136 0.6093 0.679 0.4990
# Temperature15:SexMale 0.4370 0.6503 0.672 0.5033
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
# (Dispersion parameter for quasibinomial family taken to be 2.97372)
# Null deviance: 384.54 on 95 degrees of freedom
# Residual deviance: 289.45 on 88 degrees of freedom
# AIC: NA
# Number of Fisher Scoring iterations: 5
Temperature
একটি ফ্যাক্টর হিসাবে মডেল ? আপনার কি আসল সংখ্যাসূচক মান নেই? আমি এগুলি একটি অবিচ্ছিন্ন পরিবর্তনশীল হিসাবে ব্যবহার করব এবং তারপরে এই পুরো সমস্যাটি মূল বিষয়।
glht
multcomp
glht(my.glm, mcp(Temperature="Tukey"))
model<-glm(y ~ Temperature*Sex data=predator, family=quasibinomial)