R 从glmmadmb报告结果
我对R非常陌生,我想知道在我的研究进行的不同领域的随机效应是否会使我的结果产生偏差,并对我的病情产生假阳性影响。我的数据基于在9个地区的4种不同条件下进行的自然观测。这是一个主题间的设计——每一行都是对不同主题的观察 条件=系数(4级) 面积=随机效应(9级) 一般显示行为=DV ObsTime=观测持续了多少分钟 这就是我的模型的样子R 从glmmadmb报告结果,r,R,我对R非常陌生,我想知道在我的研究进行的不同领域的随机效应是否会使我的结果产生偏差,并对我的病情产生假阳性影响。我的数据基于在9个地区的4种不同条件下进行的自然观测。这是一个主题间的设计——每一行都是对不同主题的观察 条件=系数(4级) 面积=随机效应(9级) 一般显示行为=DV ObsTime=观测持续了多少分钟 这就是我的模型的样子 data2$Condition<-as.factor(data2$Condition) data2$Area<-as.factor(data2$Ar
data2$Condition<-as.factor(data2$Condition)
data2$Area<-as.factor(data2$Area)
data2$Condition<-relevel(data2$Condition,ref="22")
data2$Area<-relevel(data2$Area,ref="1")
mod<-glmmadmb(GeneralDisplayingBehaviours~Condition+ObsTime+(1|Area), data=data2, family="nbinom", zeroInflation=TRUE)
data2$condition这对于r-sig-mixed可能更好-models@r-org
或;最后一个问题是编程问题。哦,对不起,我把所有不同的问题都弄糊涂了。这可能对r-sig-mixed更好-models@r-org
或;最后一个问题是编程问题。哦,对不起,我把所有不同的问题都弄糊涂了。
Call:
glmmadmb(formula = GeneralDisplayingBehaviours ~ Condition +
ObsTime + (1 | Area), data = data2, family = "nbinom", zeroInflation = TRUE)
AIC: 2990.1
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.6233 0.5019 3.23 0.0012 **
Condition12 1.3291 0.1330 9.99 <2e-16 ***
Condition11 1.2965 0.1294 10.02 <2e-16 ***
Condition21 0.0715 0.1351 0.53 0.5966
ObsTime 0.0829 0.0341 2.43 0.0151 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Number of observations: total=360, Area=9
Random effect variance(s):
Group=Area
Variance StdDev
(Intercept) 8.901e-09 9.434e-05
Negative binomial dispersion parameter: 1.7376 (std. err.: 0.16112)
Zero-inflation: 0.16855 (std. err.: 0.02051 )
Log-likelihood: -1487.06