【问题标题】:lme summary in nlme-package (r) interpretation / fails to display all levels of fixed effectsnlme-package(r)解释中的lme摘要/无法显示所有级别的固定效果
【发布时间】:2015-02-19 20:53:00
【问题描述】:

需要一些帮助来解释 summary() 函数的结果。

我正在 R 中的 nlme 包中运行 lme

我有一个简单(而且很小)的数据集,其中包含三个分组变量:起源、基因型和时间,响应是一个名为 Maxi 的连续变量。

Origin = 2 个级别,分别称为 Ka 和 La

基因型 = 3 层嵌套在原点 Ka 中,2 层嵌套在原点 La 中

时间 = 嵌套在每个基因型中的 2 个级别

我对起源、时间及其相互作用的主要影响感兴趣。除了测试之外,我还想得到他们的估计。这是我想到的模型:

model = lme(fixed = Maxi ~ Origin*Time, random = ~ 1 |Genotype)

anova()s 等工作正常,实际上没有明显的交互,但是

这是问题:

当我运行 summary(model) 时,我得到:

Fixed effects: Maxi ~ Origin * Time 
                                   Value Std.Error DF   t-value p-value
(Intercept)                    15.399386 1.1127382 20 13.839181  0.0000
OriginLa                       -1.986388 1.7702416  3 -1.122100  0.3435
Timeeve                         0.074444 0.8942694 20  0.083246  0.9345
OriginLa:Timeeve               -1.387448 1.5648876 20 -0.886612  0.3858

我对其他因子水平的估计值在哪里?我认为为了能够解释这些固定效果,汇总表必须以某种方式显示所有级别?还是我这样解释:

    the estimate for OriginKa is 15.399386
    the estimate for OriginLa is 15.399386-1.986388
    the estimate for Timemor  is 15.399386
    the estimate for Timeeve  is 15.399386+0.074444

and then I can't even guess how to interpret the interaction estimate...

对于 Origin -factor 的水平和 Time 因素的水平,估计值在直觉上是不正确的。

注意事项:

  1. 我没有将我的数据放入 groupedData(是否总是需要?)
  2. 我想在模型中包含 random = 1 ~ |Origin/Genotype 但在输出中产生了 NaN,显然模型变得太复杂了?

任何指针?

这是重现我的问题所需的数据:

Orig.Genot.Time Maxi
Ka  Ka1     mor 14,59
Ka  Ka1     eve 13,42
Ka  Ka11    mor 14,08
Ka  Ka11    eve 16,29
Ka  Ka15    mor 14,38
Ka  Ka15    eve 14,56
La  La1     mor 17,82
La  La1     eve 13,28
Ka  Ka1     mor 16,44
Ka  Ka1     eve 15,52
Ka  Ka15    mor 13,76
Ka  Ka15    eve 13,55
Ka  Ka1     mor 19,15
Ka  Ka1     eve 19,12
La  La6     mor 10,54
La  La6     mor 11,38
La  La6     eve 10,48
Ka  Ka15    mor 15,25
Ka  Ka15    eve 16,51
La  La1     mor 17,46
La  La1     eve 15,57
Ka  Ka1     mor 16,83
Ka  Ka1     eve 15,63
Ka  Ka15    mor 14,54
Ka  Ka15    eve 15,09
La  La1     mor 11,3
La  La1     eve 11,94

【问题讨论】:

    标签: r summary nlme


    【解决方案1】:

    我最近也在为 lme() 苦苦挣扎。一方面,我知道您的随机效果语法不正确。它应该是随机的 = ~ 1 |起源/基因型,如果基因型是起源内的嵌套因子。此外,您的摘要似乎不完整的原因再次是您的语法。公式应该是

    lme(fixed = Maxi ~ Origin + Time + Origin*Time, random = ~ 1 |Origin/Genotype)

    如果您想测试 Origin、Time 以及 Origin 和 Time 的组合。因为您没有在公式中包含单个术语,所以它没有计算这些术语之间的任何相关性。您实际上只是在测试组合因素,而不是单个因素。另外,如果你想测试起源和时间的交互而不是组合效果,它应该是起源:时间,而不是起源*时间。

    【讨论】:

    • 通常Origin*TimeOrigin + Time + Origin:Time 的简写,所以这对我来说实际上还可以。也许您可以解释模型的摘要输出是什么意思? this question/answers中的一些相关资料
    • 这实际上是一个老问题,我大约一年前发布了这个问题,所以不再完全相关。但是,一些 cmets:
    • 1) 我也认为 Origin*Time 是正确的简写符号 2) 我现在明白如何解释摘要了,对于其他有兴趣的人,我从大师那里学到了它:link 3) @WaterGeek,您确定要嵌套吗?我似乎记得,根据您的数据结构,您可以使用任何一种语法风格......
    • 我在 3) 中所指的内容是这样的:stat.ethz.ch/pipermail/r-sig-mixed-models/2010q2/003607.html。例如,我在每个 Origin 下都唯一标记了我的基因型,所以按照我的理解,我不一定需要将随机部分指定为 ~1|Origin/Genotype,而是我可以简单地使用 ~1|Genotype,而且我仍在使用嵌套模型
    • 感谢各位指正!我目前在 lme 的工作经验是查看在应用治疗之前和之后多年来观察到的几个流场。为了包含一个站点在一年中的随机效应,我使用了 ~ 1 |年/地点。如果我只关心站点的随机效应,我会使用 ~1 | OP 上面提到的网站。将模型与 anova() 进行比较表明,这是比使用 ~ 1 | 更好的结果。网站,~1 | 的组合网站 + ~ 1 |年份/地点,或两者都不是。
    猜你喜欢
    • 2017-04-28
    • 2010-11-26
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2023-01-26
    • 1970-01-01
    • 2018-03-24
    相关资源
    最近更新 更多