我目前正在解释一些基于对数链接函数（高斯 - 对数和负二项式）分布的 glm 和 glmm，并且已经开始在解释固定效应的参数估计值方面进行一些循环。我在 CV 上找到了一些关于解释系数的好帖子，其中它们代表对数优势和优势比（1、2、3），但在连续响应的线性预测变量的情况下则不然。我一直在阅读从初级文学到博客的所有内容（一些不错的；4 , 5)，但我遇到的讨论总是倾向于回归模型选择的不同方法，或者不考虑混合模型的随机分量。
据我了解，在 GLM 和 GLMM 中，报告的参数估计值都在线性预测变量的范围内（即在响应的链接函数的另一侧），并且它们都是“有条件的”选择的分布和链接功能。此外，特别是对于 GLMM，固定效应参数估计也是随机效应内分组的“条件”。
如果到目前为止我的理解是正确的，那么我的问题是：
是否可以将来自 glm 的反向链接转换参数估计（例如，对数链接模型的 exp（beta））视为类似于边际效应并解释为平均人口水平效应？
如何解释 glmm 的固定效应（具有随机效应）的条件参数估计值，仅仅是通过认识到报告的效应以随机效应为条件？
我将进入循环，因此任何澄清以使我直截了当或建议有针对性的阅读将不胜感激-欢呼。