Przeglądam artykuł na temat zapylania, w którym dane są dystrybuowane dwumianowo (owoce dojrzewają lub nie). Użyłem więc glmer
z jednym losowym efektem (pojedyncza roślina) i jednym stałym efektem (leczenie). Recenzent chce wiedzieć, czy roślina miała wpływ na zbiór owoców - ale mam problem z interpretacją glmer
wyników.
Czytałem w Internecie i wydaje się, że mogą występować problemy z bezpośrednim porównywaniem glm
i glmer
modelami, więc tego nie robię. Uznałem, że najprostszym sposobem odpowiedzi na pytanie byłoby porównanie wariancji efektu losowego (1.449, poniżej) z wariancją całkowitą lub wariancją wyjaśnioną przez leczenie. Ale jak obliczyć te inne wariancje? Nie wydają się być uwzględnione w wynikach poniżej. Przeczytałem coś o tym, że resztkowe wariancje nie są uwzględnione dla dwumianu glmer
- jak interpretować względną ważność losowego efektu?
> 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