Saya menganalisis data pelacakan mata dari percobaan yang dirancang. Versi sederhana dari data saya terlihat seperti ini (Anda bisa mendapatkan data dput () di sini ),
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
di mana peserta adalah pengidentifikasi unik untuk setiap subjek, fixationImage adalah kategori gambar yang mereka fiksasi, dan fixationCount adalah berapa kali mereka terpaku pada kategori gambar itu.
Saya memasukkan model poisson ke data menggunakan glmer () dari paket lme4 .
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
Saya menggunakan lsmeans () dari paket lsmeans untuk memeriksa perbedaan di antara tingkat faktor,
cld(lsmeans(model,"fixationImage"))
yang menyediakan output berikut:
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
Menurut pemahaman saya (mungkin terbatas) tentang sketsa menggunakan lsmeans , kolom lsmean harus mewakili jumlah rata-rata penampilan pada kategori tertentu yang diprediksi oleh model.
Namun, nilai-nilai ini tampaknya jauh dari statistik deskriptif sederhana untuk angka-angka ini,
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
menyarankan mungkin bahwa saya tidak mengerti dengan benar apa yang diwakilkan oleh lsmeans di sini, atau mungkin bahwa saya telah salah menentukan model.
Setiap bantuan akan sangat dihargai.
sumber
$<-.data.frame
(*tmp*
, "sep", value = ","): penggantian memiliki 1 baris, data memiliki 0. Sebagai catatan saya menggunakan versi R 3.1.1 (2014-10-31) 'Labu Helm' dan lsmeans versi 2.17. Meskipun demikian, Anda telah menjawab pertanyaan saya dan saya akan mengubah output secara manual. Terima kasih lagi!cld
sisi hal-hal. Keluarkan dan lihat apakah itu berhasil. Dan gunakanpairs
bukannya cld untuk menguji perbandingan (dalam panggilan terpisah). Itu rute yang lebih baik karena cld membuat keputusan hitam-putih.cld
yang menyebabkan kesalahan. Terima kasih telah melaporkannya. Kirimi saya email (lihat kolom Maintainer) jika Anda ingin saya mengirim paket yang diperbarui. Kalau tidak, itu akan diperbarui pada CRAN dalam beberapa minggu.