Verilerin binom olarak dağıtıldığı (meyve olgunlaşır ya da olmaz) tozlaşma hakkında bir makale revize ediyorum. Bu yüzden glmer
bir rastgele etki (bireysel bitki) ve bir sabit etki (tedavi) ile kullandım. Bir yorumcu, bitkinin meyve seti üzerinde bir etkisi olup olmadığını bilmek istiyor - ancak glmer
sonuçları yorumlamakta sorun yaşıyorum .
Web'de okudum ve doğrudan karşılaştırma glm
ve glmer
modeller ile ilgili sorunlar olabilir , bu yüzden bunu yapmıyorum. Soruyu cevaplamanın en basit yolunun, rastgele etki varyansını (1.449, aşağıda) toplam varyansla veya tedavi ile açıklanan varyansı karşılaştırmak olacağını düşündüm. Fakat bu diğer varyansları nasıl hesaplayabilirim? Aşağıdaki çıktıya dahil edilmemiş gibi görünüyorlar. Binom için kalıntı varyansların dahil edilmemesi hakkında bir şey okudum glmer
- rastgele etkinin göreceli önemini nasıl yorumlayabilirim?
> summary(exclusionM_stem)
Generalized linear mixed model fit by maximum likelihood (Laplace
Approximation) [glmerMod]
Family: binomial ( logit )
Formula: cbind(Fruit_1, Fruit_0) ~ Treatment + (1 | PlantID)
AIC BIC logLik deviance df.resid
125.9 131.5 -59.0 117.9 26
Scaled residuals:
Min 1Q Median 3Q Max
-2.0793 -0.8021 -0.0603 0.6544 1.9216
Random effects:
Groups Name Variance Std.Dev.
PlantID (Intercept) 1.449 1.204
Number of obs: 30, groups: PlantID, 10
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5480 0.4623 -1.185 0.2359
TreatmentD -1.1838 0.3811 -3.106 0.0019 **
TreatmentN -0.3555 0.3313 -1.073 0.2832
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) TrtmnD
TreatmentD -0.338
TreatmentN -0.399 0.509