Phiên dịch đầu ra của nạo vét

Tôi đã chạy GLM lần đầu tiên ở R và không biết làm thế nào để diễn giải kết quả. Đây là đầu vào:

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

và đây là vài dòng đầu tiên của kết quả:

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

Câu hỏi: Tôi hiểu rằng mô hình 2 là mô hình tốt nhất và cho thấy lND có ảnh hưởng tiêu cực đến sự đa dạng. Mô hình tốt thứ hai cho thấy lNN có tác động tiêu cực. Không có giá trị có nghĩa là không có hiệu lực. Các giá trị AIC cho thấy các mô hình này không có nhiều thông tin. Là giải thích này đúng hay tôi đang thiếu một cái gì đó?

r generalized-linear-model interpretation ecology

— Vàng
nguồn

Bạn đang sử dụng lm(), do đó bạn chỉ lắp GLM theo nghĩa hồi quy bình phương nhỏ nhất (tuyến tính) là trường hợp đặc biệt của GLM. Nếu sự đa dạng có một số phân phối không bình thường, bạn có thể muốn sử dụng glm(..., family=?).

— gung - Phục hồi Monica

Cảm ơn, tôi đã kiểm tra điều đó. Trong trường hợp này, sử dụng lm () có vẻ là ok. Tuy nhiên, tôi không chắc làm thế nào để giải thích kết quả.

— GoldFire

Hàm MuMIn::dredgechỉ đơn giản trả về một danh sách các mô hình với mọi sự kết hợp có thể của biến dự đoán. Về kết quả của bạn, cho phép tôi không đồng ý với những gì bạn nói:

Tôi hiểu rằng mô hình 2 là mô hình tốt nhất và cho thấy lND có tác động tiêu cực đến sự đa dạng.

Điều đó đúng một phần, 1ND thực sự có ảnh hưởng tiêu cực đến sự đa dạng, nhưng từ delta (= delta AIC), bạn không thể phân biệt mô hình 2 với 3, 1 và 5 vì (sử dụng quy tắc ngón tay cái chung) chúng có dAIC <2

Không có giá trị có nghĩa là không có hiệu lực.

Điều đó không đúng. nạo vét trả về một danh sách với mọi tổ hợp biến có thể, nếu một biến không có giá trị, điều đó có nghĩa là nó không được đưa vào mô hình. Ví dụ, mô hình 3 chỉ có 1NN, bên cạnh việc đánh chặn rõ ràng.

Các giá trị AIC cho thấy các mô hình này không có nhiều thông tin. Là giải thích này đúng hay tôi đang thiếu một cái gì đó?

Vì bốn mô hình đầu tiên có sự hỗ trợ tương tự (cũng lưu ý rằng trọng lượng Akaike của chúng, thay đổi từ 0 đến 1, không tương đối cao) Tôi khuyên bạn nên sử dụng tính trung bình của mô hình, hãy xem MuMIn::model.avgvà cũng đọc Chương 4 của Burnham & Anderson (2002) . Tôi hy vọng điều này là đủ rõ ràng, nhưng hãy hỏi lại

— Diogo B Provete
nguồn