Saya mencoba memahami dan tahu apa yang harus dilaporkan dari analisis saya tentang beberapa data menggunakan model rata-rata di R.
Saya menggunakan skrip berikut untuk menganalisis pengaruh metode pengukuran terhadap variabel yang diberikan: Berikut adalah dataset: https://www.dropbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0
Model yang akan dipasang:
LM.1 <- gls(VMTf ~ turn+sex+method, na.action="na.fail", method = "ML",VMT4)
mengeruk model penuh
require(MuMIn)
d=dredge(LM.1)
print(d)
coefficients(d)
Dapatkan informasi ringkasan semua model untuk mendapatkan estimasi parameter
summary(model.avg(d))
Saya tahu bahwa semua model dapat rata-rata (model penuh rata-rata) atau hanya sebagian dari mereka (rata-rata kondisional). Sekarang, saya ingin tahu: kapan lebih baik menggunakan rata-rata penuh atau bersyarat untuk membuat kesimpulan. Apa yang harus saya laporkan dari semua ini untuk artikel ilmiah? Apa yang berarti persis nilai Z dan p terkait untuk situasi rata-rata model?
Untuk mempermudah memvisualisasikan pertanyaan saya. Ini adalah tabel hasil,
> 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
sumber
Saya pikir premis tentang perbedaan antara apa yang rata-rata penuh dan bersyarat adalah salah. Satu adalah rata-rata yang mencakup nol (penuh) dan satu tidak termasuk nol (bersyarat). dari file bantuan untuk perintah model.avg ():
Jika Anda hanya ingin menggunakan subset model (berdasarkan delta AIC misalnya), gunakan argumen subset di model.avg (). Anda masih akan mendapatkan estimasi bersyarat dan penuh, selama beberapa model yang disertakan kehilangan beberapa variabel yang dimiliki orang lain.
sumber