Я пересматриваю статью о опылении, где данные распределены биномиально (плод созревает или нет). Поэтому я использовал glmer
один случайный эффект (отдельное растение) и один фиксированный эффект (обработка). Рецензент хочет знать, повлияло ли растение на плодоношение, но у меня проблемы с интерпретацией glmer
результатов.
Я читал в Интернете, и, кажется, могут быть проблемы с прямым сравнением glm
и glmer
моделями, поэтому я этого не делаю. Я подумал, что самый простой способ ответить на этот вопрос - сравнить случайную дисперсию эффекта (1.449, ниже) с общей дисперсией или дисперсией, объясняемой лечением. Но как мне рассчитать эти другие отклонения? Похоже, они не включены в вывод ниже. Я читал что-то о том, что остаточные отклонения не включены в биномиальные значения glmer
- как мне интерпретировать относительную важность случайного эффекта?
> 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