Различия между p-значениями nlm и доверительными интервалами
У меня есть набор данных, в котором я оценил размер домашнего диапазона, используя 10 оценщиков из 41 человека. Я хотел проверить, насколько эти оценки существенно отличаются друг от друга, поэтому я подгоняю линейную модель смешанных эффектов к nlme следующим образом:
mod3fML1b<-lme(size~band*nobsS+Sex,random=~1|snake,data=HR.compare,weights=vf6,method='REML')
Размер - это домашний диапазон (логарифм, преобразованный в соответствии с предположениями о нормальности), диапазон - это фактор с 10 уровнями, представляющими мои 10 оценок, nobsS - это мера интенсивности выборки (количество отдельных местоположений, стандартизированное по количеству дней выборки), пол - мужчина / женщина, а змея это мой случайный эффект личности. Итоговый результат выглядит следующим образом:
> summary(mod3fML1b)$tTable
Value Std.Error DF t-value p-value
(Intercept) 4.099809927 0.24824427 351 16.51522508 9.632758e-46
bandBPIdiagonal -0.344448847 0.05724340 351 -6.01726718 4.462854e-09
bandBPIfull -0.303881612 0.05593369 351 -5.43289002 1.038615e-07
bandHREFdiagonal -0.053639559 0.06749969 351 -0.79466377 4.273461e-01
bandHREFfull -0.131436107 0.06471844 351 -2.03089130 4.301931e-02
bandLCVdiagonal -0.186017321 0.11520159 351 -1.61471137 1.072717e-01
bandLCVfull -0.186017321 0.11520176 351 -1.61470908 1.072722e-01
bandLCVsingle -0.181687618 0.11940300 351 -1.52163366 1.290012e-01
bandSCVdiagonal -0.163761675 0.05816320 351 -2.81555466 5.144255e-03
bandSCVfull -0.120439828 0.05720672 351 -2.10534398 3.597148e-02
nobsS 0.406335759 1.16315897 38 0.34933811 7.287640e-01
SexMale 1.457327832 0.23373517 38 6.23495313 2.711438e-07
bandBPIdiagonal:nobsS -0.415077222 0.24845863 351 -1.67060896 9.569032e-02
bandBPIfull:nobsS -0.442855108 0.24277399 351 -1.82414559 6.898016e-02
bandHREFdiagonal:nobsS -0.143832274 0.29297492 351 -0.49093716 6.237777e-01
bandHREFfull:nobsS -0.007949556 0.28090319 351 -0.02829999 9.774390e-01
bandLCVdiagonal:nobsS -2.072417895 0.50001973 351 -4.14467228 4.270077e-05
bandLCVfull:nobsS -2.072417895 0.50002044 351 -4.14466640 4.270182e-05
bandLCVsingle:nobsS -2.171179830 0.51825545 351 -4.18940086 3.542319e-05
bandSCVdiagonal:nobsS -0.745834058 0.25245092 351 -2.95437248 3.344486e-03
bandSCVfull:nobsS -0.766847848 0.24829943 351 -3.08839960 2.172757e-03
Значения р указывают, что несколько уровней значительно отличаются от эталонного уровня, и шаблоны соответствуют тем, что я ожидал, основываясь на необработанных данных. Тем не менее, я хотел отобразить среднее логарифм (размер домашнего диапазона) с 95% доверительными интервалами (не интервалами прогнозирования), чтобы сравнить величины эффекта среди разных оценщиков. Для этого я вычислил прогнозируемые значения с помощью функции предиката lme и SE, используя код из предыдущего потока R по адресу: https://stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003320.html Однако мой 95% ДИ в значительной степени перекрывался, намного больше, чем я ожидал, исходя из p-значений из моей модели Ime. Я скопировал полученные мной значения, которые показывают широкое перекрытие при 95% ДИ:
data<-data.frame(band=c('BPId','BPIf','REFs','REFd','REFf','LCVs','LCVd','LCVf','SCVd','SCVF'),
log.mean.size=c(4.99,5.03,5.41,5.33,5.28,4.88,4.89,4.89,5.13,5.17),
lci=c(4.62,4.65,5.03,4.95,4.90,4.90,4.50,4.50,4.75,4.79),
uci=c(5.38,5.41,5.79,5.71,5.66,5.28,5.29,5.29,5.51,5.54))
Есть ли у кого-нибудь предложения о том, почему p-значения показывают существенные различия между уровнями оценки, но CI перекрываются? Я прошу прощения за то, что не предоставил никаких данных, но я был бы рад выслать копию моих необработанных данных и полный код по электронной почте, если это поможет.
Спасибо JBauder