我正在分析设计实验中的眼动数据。我的数据的简化版本如下所示(您可以在此处获取dput()数据),
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
其中参与者是每个主题的唯一标识符,fixationImage是他们固定在哪个图片类别上,而fixationCount是他们固定在该图片类别上的次数。
我使用lme4包中的 glmer()将泊松模型拟合到数据中。
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
我使用lsmeans 包中的 lsmeans()来检查因子水平之间的差异,
cld(lsmeans(model,"fixationImage"))
提供以下输出:
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
根据我(也许是有限的)对使用lsmeans小插图的理解,lsmean列应代表模型预测的给定类别的平均外观数。
但是,这些值似乎与这些数字的简单描述统计数据相去甚远,
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
这表明我可能不正确理解lsmeans在这里代表的意思,或者可能是我对模型的指定有误。
任何帮助将不胜感激。
$<-.data.frame
(*tmp*
“月”,值=“”):更换具有1行,数据有0.为了便于记录,我使用的是R版本3.1.2(2014-10-31)'南瓜头盔'和lsmeans版本2.17。尽管如此,您已经回答了我的问题,我将手动转换输出。再次感谢!