Những thông số của một mô hình tuyến tính tổng quát với mã hóa hiệu ứng có gì?

library(lme4)
    out <- glmer(cbind(incidence, size - incidence)
                 ~ period
                 + (1 | herd),
                 data = cbpp,
                 family = binomial,
                 contrasts = list(period = "contr.sum"))

summary(out)
Fixed effects:
            Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.32337    0.22129 -10.499  < 2e-16 ***
period1      0.92498    0.18330   5.046 4.51e-07 ***
period2     -0.06698    0.22845  -0.293    0.769
period3     -0.20326    0.24193  -0.840    0.401

Tôi chưa bao giờ ở trong một tình huống mà tôi cần phải phù hợp với một mô hình tuyến tính tổng quát với mã hóa hiệu ứng ( contr.sumcho Rngười dùng). Tôi có thể áp dụng cách hiểu tương tự như trong trường hợp mô hình tuyến tính không? Trong một mô hình tuyến tính thông thường đánh chặn sẽ là giá trị trung bình lớn và s (tham số cho , , và những tác động tức là cách mức yếu tố đi chệch khỏi giá trị trung bình lớn.$\beta$period1period2period3period4 = (Intercept) - period1 - period2 - period3

$\exp((\text{Intercept}))$$\beta$period1$\text{(Intercept)}+\text{period1}$$\exp(\text{(Intercept)}+\text{period1})$$\text{(Intercept)}$$\beta$

Theo mã hóa hiệu ứng, phần chặn trong bảng tóm tắt (ngoài) là logit trung bình (tỷ lệ cược log hoặc tỷ lệ tỷ lệ cược) trong tất cả bốn giai đoạn trong trường hợp của bạn và mỗi hiệu ứng khác là sự khác biệt logit của thời gian tương ứng liên quan đến logit trung bình.

Bạn có thể dễ dàng xác minh giải thích của mình bằng cách so sánh kết quả hiện tại của bạn với một phương pháp mã hóa khác, chẳng hạn như mã hóa giả trên dữ liệu của bạn:

out2 <- glmer(cbind(incidence, size - incidence)
                 ~ period
                 + (1 | herd),
                 data = cbpp,
                 family = binomial,
                 contrasts = list(period = "contr.treatment"))

summary(out2)