机器算法验证 - 解释二项式 GLM (glmer) 与交互和结果描述 - 吾爱随笔录

解释二项式 GLM (glmer) 与交互和结果描述

机器算法验证 r 广义线性模型 lme4-nlme 解释咕噜咕噜

2022-03-21 00:28:49

我想确认我是否正确分析了我的模型结果，如果我遗漏了什么，我会得到一些建议！

我进行了以下模型来分析描述鲸鱼摄食行为的因素。我的数据集包括一组由鲸鱼进行的潜水，如果鲸鱼在潜水期间进食，则觅食取值为 1，如果没有，则取值为 0。解释变量基本上是潜水指标（最大潜水深度、持续时间等）和一天中的时间（白天和黑夜）。

g_model <- glmer(foraging~max_depths*diel_2+duration+pd_times+d_rate+a_rate+bottom_prop+(1|whale),
                      data=data, control=glmerControl(optimizer="bobyqa",optCtrl=list(maxfun=2e5)),
                      family="binomial", na.action = na.fail)


summary(g_model)

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: binomial  ( logit )
Formula: foraging ~ max_depths * diel_2 + duration + pd_times + d_rate +  
    a_rate + bottom_prop + (1 | whale)
   Data: data
Control: glmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e+05))

     AIC      BIC   logLik deviance df.resid 
  1244.6   1301.4   -612.3   1224.6     2164 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-99.364  -0.195   0.083   0.285   4.311 

Random effects:
 Groups Name        Variance Std.Dev.
 whale  (Intercept) 0.2201   0.4692  
Number of obs: 2174, groups:  whale, 18

Fixed effects:
                       Estimate Std. Error z value Pr(>|z|)    
(Intercept)              0.5621     0.1600   3.514 0.000441 ***
max_depths               1.9123     0.1863  10.266  < 2e-16 ***
diel_2Night              1.5491     0.2577   6.012 1.83e-09 ***
duration                -0.3535     0.1516  -2.331 0.019739 *  
pd_times                -0.6118     0.1531  -3.996 6.45e-05 ***
d_rate                   0.6536     0.1099   5.949 2.70e-09 ***
a_rate                  -0.3688     0.1248  -2.955 0.003122 ** 
bottom_prop              2.8876     0.1343  21.502  < 2e-16 ***
max_depths:diel_2Night   1.9049     0.3184   5.984 2.18e-09 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
            (Intr) mx_dpt dl_2Ng duratn pd_tms d_rate a_rate bttm_p
max_depths  -0.083                                                 
diel_2Night -0.313  0.206                                          
duration    -0.115 -0.678  0.066                                   
pd_times     0.034 -0.037 -0.020 -0.098                            
d_rate       0.079 -0.131 -0.042  0.409 -0.015                     
a_rate       0.095 -0.659 -0.139  0.423  0.093 -0.134              
bottom_prop  0.086  0.628  0.158 -0.449 -0.083  0.078 -0.248       
mx_dpth:_2N  0.065  0.034  0.600 -0.165  0.066 -0.138 -0.081  0.168

我想知道解释是否简单，例如，喂食和非喂食潜水之间达到的最大深度（max_depths）存在显着差异，最大深度在喂食潜水中采用更高（更深）的值。

而对于 diel2_Night 来说，这是否意味着晚上会有更多的喂食潜水？

我如何解释交互？夜间喂食潜水的最大深度更高？白天呢？
这些结果的典型呈现形式是什么。我想我应该参考 p 值，但我是否也必须说明估计值？

1个回答

请尽量不要太在意 p 值。他们没有告诉你任何关于实际意义的事情。

我想知道解释是否简单，例如，喂食和非喂食潜水之间达到的最大深度（max_depths）存在显着差异，最大深度在喂食潜水中采用更高（更深）的值。

不幸的是没有。max_depths参与交互，diel_2因此它的主要影响 1.91diel_2以为零为条件（或者因为它是一个分类变量，在它的参考水平，即Day）。

也就是说，对于白天喂食的鲸鱼max_depths，每增加 1 个单位，估计feeding为 1的对数几率增加 1.91 。

而对于 diel2_Night 来说，这是否意味着晚上会有更多的喂食潜水？

不。同样，因为diel2它参与了相同的交互，与max_depths，这是以max_depths为零为条件的。

feeding也就是说，与白天喂食的鲸鱼相比，夜间喂食的鲸鱼的对数几率为 1 的对数几率估计增加了 1.55 ，当max_depths为 0时。仅出于这个原因，您可能希望使max_depths变量居中，以使零值更有意义。

我如何解释交互？夜间喂食潜水的最大深度更高？白天呢？

不完全的。max_depths与白天进食的鲸鱼相比，夜间进食的鲸鱼的斜率高 1.90。换句话说，与白天喂食的鲸鱼相比，夜间喂食的鲸鱼每增加 1 个单位max_depths的对数几率就会增加 1.90 。feeding

所有原始估计均基于对数赔率标度。如果您愿意，您可以对它们取幂以获得优势比。

这些结果的典型呈现形式是什么。我想我应该参考 p 值，但我是否也必须说明估计值？

不幸的是没有什么典型的。如果您正在准备要发表的论文，那么我的实用建议是阅读您要提交的期刊的投稿指南，以及查看该期刊中您所在领域以前发表的文章。关注效果大小。与其引用 p 值，不如说效应大小是显着的（在您选择的任何显着性水平上）。如果你有一些“不重要”的发现，这些也可能很有趣。

此外，计算置信区间并将它们与效应大小一起引用（而不是引用 p 值）

其它你可能感兴趣的问题

上一篇如何从逻辑回归的这些结果中获得对数赔率下一篇“高斯先验”是什么意思？