Interpretacja wyników .L i .Q z ujemnego dwumianowego GLM z danymi kategorialnymi

Właśnie uruchomiłem ujemny dwumianowy GLM i to jest wynik:

Call:
glm.nb(formula = small ~ method + site + depth, data = size.dat, 
    init.theta = 1.080668549, link = log)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.2452  -0.9973  -0.3028   0.3864   1.8727  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   1.6954     0.1152  14.720  < 2e-16 ***
method.L     -0.6828     0.1637  -4.171 3.04e-05 ***
site.L        0.9952     0.2050   4.854 1.21e-06 ***
site.Q       -0.4634     0.1941  -2.387    0.017 *  
depth.L       0.8951     0.1988   4.502 6.74e-06 ***
depth.Q       0.2060     0.1984   1.038    0.299    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for Negative Binomial(1.0807) family taken to be 1)

    Null deviance: 185.1  on 89  degrees of freedom
Residual deviance: 100.8  on 84  degrees of freedom
AIC: 518.24

Wszystkie moje predyktory są kategoryczne. Czy to dlatego dostaję .Li .Q. Zakładam, że reprezentują one różne kategorie, ale czy ktoś zna kod, którego mógłbym użyć do oznaczenia ich przed uruchomieniem GLM, aby zamiast tego pojawiały się jako różne kategorie?

Twoje zmienne są nie tylko kodowane jako czynniki (aby uczynić je kategorycznymi), są one kodowane jako czynniki uporządkowane . Następnie domyślnie R dopasowuje szereg funkcji wielomianowych do poziomów zmiennej. Pierwszy jest liniowy ( .L), drugi jest kwadratowy ( .Q), trzeci (jeśli masz wystarczającą liczbę poziomów) będzie sześcienny, itp. R dopasuje jedną funkcję wielomianową mniejszą niż liczba poziomów w zmiennej. Na przykład, jeśli masz tylko dwa poziomy, pasowałby tylko trend liniowy. Ponadto stosowane zasady wielomianowe są ortogonalne. (Pod względem wartości nic nie jest specyficzne dla R - ani dla ujemnych modeli dwumianowych - całe oprogramowanie i typy modeli regresji zrobiłyby to samo.)

Skupiając się głównie na badania, jeśli chcesz, aby twoje zmienne kodowane jako uporządkowane lub nieuporządkowane, należałoby użyć czynnika? :

my.variable <- factor(my.variable, ordered=TRUE)   # an ordered factor
my.variable <- factor(my.variable, ordered=FALSE)  # an unordered factor