İşte durumumla ilgili küçük bir arka plan: verilerim, avcı tarafından başarılı bir şekilde yenen av sayısını göstermektedir. Her denemede av sayısının sınırlı olması (25), mevcut av sayısını gösteren her bir denemede (yani, her denemede 25 adet) ve "Sayısı" olarak adlandırılan ve "başarı" sayılan "Sayı" olarak adlandırılan bir sütunum vardı. kaç av yemiş). Analizimi, R kitabındaki orantı verilerine dayanarak verdim (sayfa 578). Açıklayıcı değişkenler Sıcaklık (faktör olarak kabul ettiğim 4 seviye) ve avcının cinsiyeti (açıkçası, erkek veya kadın). Bu yüzden bu model ile bitirdim:
model <- glm(y ~ Temperature+Sex+Temperature*Sex data=predator, family=quasibinomial)
Sapma Analizi tablosunu aldıktan sonra, Sıcaklık ve Cinsiyet'in (ancak etkileşimin değil) av tüketimi üzerinde önemli bir etkisi olduğu ortaya çıkmıştır. Şimdi sorunum: Hangi sıcaklıkların farklı olduğunu bilmem gerekiyor, yani 4 sıcaklığı birbiriyle karşılaştırmam gerekiyor. Doğrusal bir modelim olsaydı, TukeyHSD işlevini kullanırdım, ancak GLM kullandığım için kullanamam. MASS paketine bakıyorum ve bir kontrast matrisi oluşturmaya çalışıyorum ama bir nedenden dolayı işe yaramıyor. Herhangi bir öneri veya referans?
İşte modelimden aldığım özeti, eğer daha net göstermeye yardımcı olursa ...
y <- cbind(data$Count, data$Sample-data$Count)
model <- glm(y ~ Temperature+Sex+Temperature*Sex data=predator, family=quasibinomial)
> summary(model)
# Call:
# glm(formula = y ~ Temperature + Sex + Temperature * Sex, family=quasibinomial, data=data)
# Deviance Residuals:
# Min 1Q Median 3Q Max
# -3.7926 -1.4308 -0.3098 0.9438 3.6831
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) -1.6094 0.2672 -6.024 3.86e-08 ***
# Temperature8 0.3438 0.3594 0.957 0.3414
# Temperature11 -1.0296 0.4803 -2.144 0.0348 *
# Temperature15 -1.2669 0.5174 -2.449 0.0163 *
# SexMale 0.3822 0.3577 1.069 0.2882
# Temperature8:SexMale -0.2152 0.4884 -0.441 0.6606
# Temperature11:SexMale 0.4136 0.6093 0.679 0.4990
# Temperature15:SexMale 0.4370 0.6503 0.672 0.5033
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
# (Dispersion parameter for quasibinomial family taken to be 2.97372)
# Null deviance: 384.54 on 95 degrees of freedom
# Residual deviance: 289.45 on 88 degrees of freedom
# AIC: NA
# Number of Fisher Scoring iterations: 5
Temperature
bir faktör olarak modellediniz? Gerçek sayısal değerlere sahip değil misiniz? Onları sürekli bir değişken olarak kullanırdım & sonra tüm bu konu tartışılmaz.
glht
işlevi kullanmayı deneyebilirsiniz . TukeyHSD sıcaklık testi yapmak için bu şekilde kullanın . Ve arada: Modeliniz formülü kısaltılmış olabilir: . Yıldız ( ) ile etkileşimler ve ana efektler takılmıştır.multcomp
glht(my.glm, mcp(Temperature="Tukey"))
model<-glm(y ~ Temperature*Sex data=predator, family=quasibinomial)