Estou analisando os dados de rastreamento ocular de um experimento projetado. Uma versão simplificada dos meus dados tem esta aparência (você pode obter os dados de dput () aqui ),
head(lookDATA)
participant fixationImage fixationCount
1 9 Automobile 81
2 9 Bird 63
3 9 Chair 82
4 9 Dog 64
5 9 Face 90
6 9 Plant 75
onde participante é um identificador exclusivo para cada sujeito, fixationImage é em que categoria de imagem eles se fixaram e fixationCount é o número de vezes que eles se fixaram nessa categoria de imagem.
Eu ajustei um modelo de Poisson aos dados usando glmer () do pacote lme4 .
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
Usei lsmeans () do pacote lsmeans para examinar as diferenças entre os níveis de fator,
cld(lsmeans(model,"fixationImage"))
que fornece a seguinte saída:
fixationImage lsmean SE df asymp.LCL asymp.UCL .group
Chair 3.786022 0.05764923 NA 3.673018 3.899026 1
Bird 3.866201 0.05750641 NA 3.753476 3.978925 2
Dog 3.868768 0.05751010 NA 3.756037 3.981500 2
Body 3.883644 0.06040952 NA 3.765230 4.002059 23
Plant 3.893327 0.05746744 NA 3.780679 4.005975 23
Automobile 3.901939 0.05745528 NA 3.789315 4.014563 23
Face 3.946848 0.05832549 NA 3.832519 4.061178 3
De acordo com meu entendimento (talvez limitado) do uso da vinheta lsmeans, a coluna lsmean deve representar o número médio de aparências para uma determinada categoria prevista pelo modelo.
No entanto, esses valores parecem desconfortavelmente distantes das estatísticas descritivas simples para esses números,
summaryBy(fixationCount ~ fixationImage, data = lookDATA)
fixationImage fixationCount.mean
1 Automobile 55.18750
2 Bird 53.25000
3 Body 57.12821
4 Chair 50.39450
5 Dog 53.82883
6 Face 56.76389
7 Plant 54.71429
sugerindo talvez que eu não entenda corretamente o que os lsmeans representam aqui, ou talvez eu tenha especificado incorretamente o modelo.
Qualquer ajuda seria muito apreciada.
fonte
$<-.data.frame
(*tmp*
, "sep", value = ","): a substituição tem 1 linha, os dados têm 0. Para o registro, estou usando o R versão 3.1.2 (31-10-2014) 'Pumpkin Helmet' e o lsmeans versão 2.17. No entanto, você respondeu minha pergunta e eu vou transformar a saída manualmente. Obrigado novamente!cld
lado das coisas. Retire e veja se funciona. E use empairs
vez de cld para testar as comparações (em uma chamada separada). Essa é uma rota melhor de qualquer maneira, porque o cld toma decisões em preto e branco.cld
que criou o erro. Obrigado por denunciá-lo. Envie-me um e-mail (consulte o campo Mantenedor) se você quiser que eu envie o pacote atualizado. Senão, ele será atualizado no CRAN em algumas semanas.