library(lme4)
out <- glmer(cbind(incidence, size - incidence)
~ period
+ (1 | herd),
data = cbpp,
family = binomial,
contrasts = list(period = "contr.sum"))
summary(out)
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.32337 0.22129 -10.499 < 2e-16 ***
period1 0.92498 0.18330 5.046 4.51e-07 ***
period2 -0.06698 0.22845 -0.293 0.769
period3 -0.20326 0.24193 -0.840 0.401
Saya tidak pernah dalam situasi di mana saya harus menyesuaikan model linier umum dengan pengkodean efek ( contr.sum
untuk R
pengguna). Bisakah saya menerapkan interpretasi yang sama seperti pada kasus model linier? Dalam model linear yang normal mencegat akan menjadi mean dan s (parameter untuk , , dan efek yaitu bagaimana tingkat faktor menyimpang dari mean.period1
period2
period3
period4 = (Intercept) - period1 - period2 - period3
Berikut adalah bagaimana menurut saya interpretasi analog untuk model linear umum berjalan. (Saya akan membuat eksponensial semua parameter dan karenanya mengubah log-odds (-ratios) menjadi odds (-ratios).) Intercept kemudian akan menjadi peluang keseluruhan keberhasilan vs kegagalan ( menempel di sini untuk terminologi binomial klasik) dan s log-odds-ratio . Dan kita mendapatkan peluang untuk mis dengan menambahkan dan kemudian secara eksponensial: . Apakah benar-benar peluang keseluruhan / sedang dan speriod1
odds-rasio ?