如果你愿意，我需要一个现实检查。我有一个数据集，其中我知道有多少两个物种的个体蝴蝶同时出现在一个草地上（但并非总是如此）。我还有其他变量，例如湿/干草甸，密集耕种/未耕种，湿草甸或干草甸覆盖的草甸周围区域的百分比......
这是数据集的头部。共 50 行，每个品种 25 行。请注意，除计数和物种外，所有列都相同，表明它们来自同一采样位置。
> head(dej)
count type1 type2 perc.for.100m perc.dry.100m perc.wet.100m species
1 1 intensive dry 13.836 22.724 0.000 reali
2 3 extensive wet 6.877 1.613 52.213 reali
3 4 intensive wet 22.770 0.537 44.901 reali
4 6 intensive dry 17.346 42.322 6.359 reali
5 1 extensive wet 34.854 9.091 11.950 reali
6 2 extensive dry 50.387 19.245 0.000 reali
...
26 0 intensive dry 13.836 22.724 0.000 sinapis
27 0 extensive wet 6.877 1.613 52.213 sinapis
28 0 intensive wet 22.770 0.537 44.901 sinapis
29 0 intensive dry 17.346 42.322 6.359 sinapis
30 1 extensive wet 34.854 9.091 11.950 sinapis
31 1 extensive dry 50.387 19.245 0.000 sinapis
...
我很想知道这些变量中的任何一个是否会影响物种及其各自的数量。
这就是“完整”模型的结果。
glm(formula = count ~ type1 + type2 + perc.for.100m + perc.dry.100m +
perc.wet.100m + species, family = poisson, data = dej)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.8458 -1.1414 -0.4546 0.8297 2.2145
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.028129 0.523509 0.054 0.95715
type1intensive 0.196699 0.191960 1.025 0.30551
type2wet 0.071841 0.334286 0.215 0.82984
perc.for.100m 0.003741 0.008277 0.452 0.65130
perc.dry.100m 0.010952 0.010750 1.019 0.30829
perc.wet.100m 0.007467 0.011596 0.644 0.51960
speciessinapis 0.597837 0.187689 3.185 0.00145 **
这听起来像是正确的方法吗？
一些附加信息
作为旁注，根据我对数据的探索，我希望计数将（至少）取决于 type2 变量，唉，这不是我得到的。
使用“反向逻辑”，我尝试了是否可以使用我的数据预测物种，这大概证实了上述结果。
Call:
glm(formula = species ~ type1 + type2 + perc.for.100m + perc.dry.100m +
perc.wet.100m + count, family = binomial, data = dej)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.6322 -1.0136 -0.1568 1.0592 1.6407
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.351192 1.658052 -0.212 0.8323
type1intensive -0.170583 0.651611 -0.262 0.7935
type2wet -0.107377 1.078726 -0.100 0.9207
perc.for.100m -0.002806 0.026807 -0.105 0.9166
perc.dry.100m -0.010227 0.036982 -0.277 0.7821
perc.wet.100m -0.006486 0.038071 -0.170 0.8647
count 0.345036 0.153811 2.243 0.0249 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 69.315 on 49 degrees of freedom
Residual deviance: 63.431 on 43 degrees of freedom
AIC: 77.431
编辑 1
Aniko 注意到 type2 和物种之间可能存在相互作用。的确！
Call:
glm(formula = count ~ type1 + type2 * species + perc.for.100m +
perc.dry.100m + perc.wet.100m, family = poisson, data = dej)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.0859 -1.1350 -0.1947 0.7109 2.7470
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.357165 0.559987 -0.638 0.52360
type1intensive 0.196699 0.191960 1.025 0.30551
type2wet 0.704769 0.429087 1.642 0.10049
speciessinapis 1.145132 0.306847 3.732 0.00019 ***
perc.for.100m 0.003741 0.008277 0.452 0.65130
perc.dry.100m 0.010952 0.010750 1.019 0.30829
perc.wet.100m 0.007467 0.011596 0.644 0.51960
type2wet:speciessinapis -0.962811 0.394038 -2.443 0.01455 *
编辑 2
在删除了不重要的项之后（假设我为了数据挖掘找到了全局最大值），故事又朝着正确的方向发展。
Call:
glm(formula = count ~ type2 * species, family = poisson, data = dej)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.7080 -1.1617 -0.1582 0.6979 3.1599
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.1542 0.2673 0.577 0.56408
type2wet 0.6821 0.3237 2.107 0.03508 *
speciessinapis 1.1451 0.3068 3.732 0.00019 ***
type2wet:speciessinapis -0.9628 0.3940 -2.443 0.01455 *