Was berichtet lsmeans für ein verallgemeinertes lineares Modell wie das Poisson-Mischmodell (passend zu glmer)?

Ich analysiere die Eye-Tracking-Daten eines entworfenen Experiments. Eine vereinfachte Version meiner Daten sieht folgendermaßen aus (Sie können die Daten von dput () hier abrufen ).

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

Wenn der Teilnehmer eine eindeutige Kennung für jedes Thema ist, ist fixationImage die Bildkategorie, auf die er fixiert hat, und fixationCount gibt an, wie oft er auf diese Bildkategorie fixiert hat.

Ich passe ein Poisson-Modell mit glmer () aus dem lme4-Paket an die Daten an .

model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)

Ich habe lsmeans () aus dem lsmeans-Paket verwendet , um die Unterschiede zwischen den Faktorstufen zu untersuchen.

cld(lsmeans(model,"fixationImage"))

welches die folgende Ausgabe liefert:

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 

Nach meinem (möglicherweise eingeschränkten) Verständnis der Verwendung der lsmeans- Vignette sollte die lsmean-Spalte die durchschnittliche Anzahl von Looks für eine bestimmte vom Modell vorhergesagte Kategorie darstellen.

Diese Werte scheinen jedoch unangenehm weit von einfachen beschreibenden Statistiken für diese Zahlen entfernt zu sein.

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

was darauf hindeutet, dass ich nicht richtig verstehe, was die lsmeans hier darstellen, oder dass ich das Modell falsch spezifiziert habe.

Jede Unterstützung wäre sehr dankbar.

Die Ausgabe repräsentiert Vorhersagen aus Ihrem Modell für jedes Bild. Bei der Giftfamilie ist die Standardverknüpfungsfunktion das natürliche Protokoll. Diese Werte befinden sich also auf der Protokollskala. Wenn Sie dies tun lsmeans(..., type = "response"), werden die Vorhersagen auf die ursprüngliche Antwortskala zurücktransformiert.