Переменные Continuos и Факторы в CLMM() Порядковый Пакет
Я пытаюсь запустить смешанную модель накопительной ссылки на моих данных.
Моя переменная ответа - Репродуктивная стадия (Ovu), которая изменяется от 0 (без начала) до 5 (отложенные яйца). В моей модели у меня есть непрерывная переменная, выражающая климат (Env), дату (дни с 1 января, которые я сгруппировал в 4 категории, чтобы сделать модель устойчивой), год и происхождение ( 2 уровня), но я немного застрял и не уверен если я подхожу к этому анализу правильно
Итак, вопрос, прежде чем я начну двигаться вперед: вы думаете, я использую правильный подход? или у вас есть другие советы?
Мои данные
> Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 925 obs. of 6 variables: $ > Abbpop : chr "LV" "LV" "LV" "LV" ... $ Year : num > 2018 2018 2018 2018 2018 ... $ DaysJanReduced: num 90 90 90 90 90 90 > 90 90 90 90 ... $ lineage : chr "MIXED" "MIXED" "MIXED" > "MIXED" ... $ Env : num -0.247 -0.247 -0.247 -0.247 -0.247 > -0.247 -0.247 -0.175 -0.175 -0.175 ... $ ovulation : num 0 0 0 0 0 0 0 0 0 0 ...
Я пытаюсь понять, влияют ли Lineage и Climate на репродуктивную стадию (Ovu), но я не уверен, что подхожу к этому правильно. Я боролся.
1.-Сначала я трансформировался в фактор: год, дату и переменные моего ответа. Для Года и Даты я думал, что это было единственное решение для получения безопасной модели, так как использование непрерывной десестабилизации моей модели Я следовал за учебником clmm2 и посмотрел на номер условия гессиана. 9 Не могу найти другой учебник для clmm конкретно.
2.- Во-вторых, я проверил шансы и получил значительное использование клапана P для переменной среды, используя этот код ниже и этот
#Testing for odds PCA <- scale(Females$Env) modelclm1<-clm(Ovu~ lineage + DJ + PCA + Y , data=Females) nominal_test(modelclm1)nominal_test(modelclm1) Тесты номинальных эффектов
> formula: Ovu ~ lineage + DJ + PCA + Y
> Df logLik AIC LRT Pr(>Chi) <none> -747 1526 lineage DJ
> PCA 3 -736 1510 21.9 7e-05 *** Y
>
> --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
3.-В-третьих, после исследования и чтения я решил, что, хотя это предположение было нарушено, запустите мою модель, и это код
fm6 <- clmm (Ovu ~ DJ + Y + Lineage + Женщины $ Env + (1 | Abbpop), данные = Женщины) (fm6)
Cumulative Link Mixed Model fitted with the Laplace approximation
formula: Ovu ~ DJ + Y + Lineage + Females$Env + (1 | Abbpop)
data: Females
link threshold nobs logLik AIC niter max.grad cond.H
logit flexible 885 -729.79 1493.58 1535(5923) 1.54e-03 5.8e+03
Random effects:
Groups Name Variance Std.Dev.
Abbpop (Intercept) 0.731 0.855
Number of groups: Abbpop 103
Coefficients:
Estimate Std. Error z value Pr(>|z|)
DJ100 0.776 0.703 1.10 0.26994
DJ110 1.447 0.722 2.00 0.04499 *
DJ120 3.425 0.782 4.38 1.2e-05 ***
DJ130 3.176 0.899 3.53 0.00041 ***
Y2014 3.084 1.032 2.99 0.00279 **
Y2015 0.736 0.916 0.80 0.42160
Y2016 -0.133 1.036 -0.13 0.89802
Y2017 2.019 1.013 1.99 0.04619 *
Y2018 0.538 0.966 0.56 0.57760
LineageSA 0.560 0.379 1.48 0.13904
LineageTUS 1.135 0.424 2.67 0.00748 **
Females$Env -1.227 0.418 -2.93 0.00334 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Threshold coefficients:
Estimate Std. Error z value
0|1 2.252 0.690 3.26
1|2 2.570 0.691 3.72
2|3 7.516 0.746 10.07
3|4 7.964 0.758 10.51
(40 observations deleted due to missingness)
Моя интерпретация здесь заключается в том, что существует эффект одного из года и даты. И кажется, что я получаю максимальную стадию воспроизведения при более низких значениях переменной среды. В дополнение к линии TUS присутствуют более высокие репродуктивные стадии, я прав?
Вся помощь очень ценится! большое спасибо