Mam zestaw danych składający się z proporcji, które mierzą „poziom aktywności” poszczególnych kijanek, dzięki czemu wartości są powiązane od 0 do 1. Dane te zostały zebrane przez zliczenie liczby ruchów danej osoby w określonym przedziale czasu (1 dla ruchu, 0 za brak ruchu), a następnie uśrednia się, aby utworzyć jedną wartość na osobę. Moim głównym stałym efektem byłby „poziom gęstości”.
Problem, przed którym stoję, polega na tym, że mam zmienną czynnikową „staw”, którą chciałbym uwzględnić jako efekt losowy - nie dbam o różnice między stawami, ale chciałbym je uwzględnić statystycznie. Ważną kwestią dotyczącą stawów jest to, że mam ich tylko 3, i rozumiem, że idealnie jest mieć więcej poziomów czynników (5+) w przypadku efektów losowych.
Jeśli jest to możliwe, chciałbym uzyskać porady dotyczące implementacji modelu mieszanego przy użyciu betareg()
lub betamix()
w R. Przeczytałem pliki pomocy R, ale zwykle trudno mi je zrozumieć (co tak naprawdę każdy parametr argumentu w kontekście oznacza moich własnych danych ORAZ co oznaczają wartości wyjściowe w kategoriach ekologicznych), dlatego lepiej pracuję na przykładach.
W pokrewnej uwadze zastanawiałem się, czy zamiast tego mogę użyć glm()
rodziny dwumianowej i linku logit, aby uzyskać rozliczenie losowych efektów z tego rodzaju danymi.