希望大家都不要介意这个问题,但是我需要帮助解释线性混合效果模型输出的输出,这是我一直试图在R中学习做的事情。我是纵向数据分析和线性混合效果回归的新手。我有一个模型,我将几周作为时间预测器,并在就业课程中得分作为结果。我用几周(时间)和几个固定影响,性别和种族对分数建模。我的模型包括随机效应。我需要帮助来了解方差和相关性的含义。输出如下:
Random effects
Group Name Variance
EmpId intercept 680.236
weeks 13.562
Residual 774.256
相关系数是.231。
我可以将相关性解释为星期与分数之间存在正相关关系,但我希望能够用“ ...的23%”来表述。
我非常感谢您的帮助。
感谢“来宾”和Macro的答复。抱歉,由于没有回复,我参加了一次会议,现在正在追赶。这是输出和上下文。
这是我运行的LMER模型的摘要。
>summary(LMER.EduA)
Linear mixed model fit by maximum likelihood
Formula: Score ~ Weeks + (1 + Weeks | EmpID)
Data: emp.LMER4
AIC BIC logLik deviance REMLdev
1815 1834 -732.6 1693 1685
Random effects:
Groups Name Variance Std.Dev. Corr
EmpID (Intercept) 680.236 26.08133
Weeks 13.562 3.682662 0.231
Residual 774.256 27.82546
Number of obs: 174, groups: EmpID, 18
Fixed effects:
Estimate Std. Error t value
(Intercept) 261.171 6.23 37.25
Weeks 11.151 1.780 6.93
Correlation of Fixed Effects:
(Intr)
Days -0.101
我不明白如何解释随机效应的方差和残差并向他人解释。我也不知道如何解释相关性,除了它是正数,它表示截距较高的那些具有较高的斜率,截距较低的那些具有较低的斜率,但是我不知道如何用术语解释的23%。。。。(我不知道该如何结束句子,即使这样做有意义)。当我们(我)试图进行纵向分析时,这对我们来说是一种不同类型的分析。
我希望这有帮助。
感谢您一直以来的帮助。
泽达