Interpretation der Baggerleistung


8

Ich habe zum ersten Mal ein GLM in R ausgeführt und bin mir nicht sicher, wie ich das Ergebnis interpretieren soll. Dies ist die Eingabe:

global.modelAcar <- lm(Acar ~ logNutrientsc*logNDSc*logNNNc, data = dat)
summary(global.modelAcar)
options(na.action=na.fail)
MAcar <- dredge(global.modelAcar)
MAcar

und dies sind die ersten Zeilen des Ergebnisses:

Global model call: lm(formula = Acar ~ logNutrientsc * logNDSc * logNNNc, data = dat)
---
Model selection table 
        (Int)     lND      lNN      lgN  ... lND:lNN:lgN df  logLik AICc delta weight
2   2.159e-17 -0.2590                    ...              3 -26.445 59.6  0.00  0.214
3   1.682e-17         -0.25420           ...              3 -26.497 59.7  0.10  0.203
1   7.778e-18                            ...              2 -27.799 59.9  0.36  0.179
5   1.220e-17                  -0.16580  ...              3 -27.256 61.2  1.62  0.095
6   2.249e-17 -0.2295          -0.09269  ...              4 -26.283 61.7  2.17  0.072

Frage: Ich verstehe, dass Modell 2 das beste Modell ist und zeigt, dass sich lND negativ auf die Diversität auswirkt. Das zweitbeste Modell zeigt, dass lNN einen negativen Effekt hat. Kein Wert bedeutet keine Wirkung. AIC-Werte zeigen, dass diese Modelle nicht sehr informativ sind. Ist diese Interpretation richtig oder fehlt mir etwas?


2
Sie verwenden lm(), also passen Sie ein GLM nur in dem Sinne an, dass die gewöhnliche (lineare) Regression der kleinsten Quadrate ein Sonderfall des GLM ist. Wenn Diversity eine nicht normale Verteilung aufweist, möchten Sie diese möglicherweise verwenden glm(..., family=?).
Gung - Reinstate Monica

Danke, das habe ich überprüft. In diesem Fall scheint die Verwendung von lm () in Ordnung zu sein. Trotzdem bin ich mir nicht sicher, wie ich die Ergebnisse interpretieren soll.
GoldFire

Antworten:


7

Die Funktion gibt MuMIn::dredgeeinfach eine Liste von Modellen mit jeder möglichen Kombination von Prädiktorvariablen zurück. Lassen Sie mich in Bezug auf Ihre Ergebnisse nicht mit Ihren Aussagen übereinstimmen:

Ich verstehe, dass Modell 2 das beste Modell ist und zeigt, dass sich lND negativ auf die Diversität auswirkt.

Das ist teilweise richtig. 1ND wirkt sich zwar negativ auf die Diversität aus, aber vom Delta (= Delta AIC) können Sie Modell 2 nicht von 3, 1 und 5 unterscheiden, da sie (unter Verwendung der allgemeinen Daumenregel) dAIC <2 haben

Kein Wert bedeutet keine Wirkung.

Das stimmt nicht dredge gibt eine Liste mit jeder möglichen Kombination von Variablen zurück. Wenn eine Variable keinen Wert hat, bedeutet dies, dass sie nicht im Modell enthalten war. Zum Beispiel hat Modell 3 nur 1NN, abgesehen vom offensichtlichen Abfangen.

AIC-Werte zeigen, dass diese Modelle nicht sehr informativ sind. Ist diese Interpretation richtig oder fehlt mir etwas?

Da die ersten vier Modelle eine ähnliche Unterstützung haben (beachten Sie auch, dass ihr Akaike-Gewicht, das von 0 bis 1 variiert, nicht relativ hoch ist), empfehle ich dringend, die Modellmittelung zu verwenden, MuMIn::model.avgKapitel 4 von Burnham & Anderson zu lesen und zu lesen (2002) . Ich hoffe das ist klar genug, aber zögern Sie nicht noch einmal zu fragen

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.