J'analyse les données oculométriques d'une expérience conçue. Une version simplifiée de mes données ressemble à ceci (vous pouvez obtenir les données dput () ici ),
head(lookDATA)
participant fixationImage fixationCount
1 9 Automobile 81
2 9 Bird 63
3 9 Chair 82
4 9 Dog 64
5 9 Face 90
6 9 Plant 75
où participant est un identifiant unique pour chaque sujet, fixationImage est la catégorie d'image sur laquelle ils ont fixé et fixationCount est le nombre de fois qu'ils ont fixé sur cette catégorie d'image.
J'adapte un modèle de poisson aux données en utilisant glmer () du package lme4 .
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
J'ai utilisé lsmeans () du package lsmeans pour examiner les différences entre les niveaux de facteur,
cld(lsmeans(model,"fixationImage"))
qui fournit la sortie suivante:
fixationImage lsmean SE df asymp.LCL asymp.UCL .group
Chair 3.786022 0.05764923 NA 3.673018 3.899026 1
Bird 3.866201 0.05750641 NA 3.753476 3.978925 2
Dog 3.868768 0.05751010 NA 3.756037 3.981500 2
Body 3.883644 0.06040952 NA 3.765230 4.002059 23
Plant 3.893327 0.05746744 NA 3.780679 4.005975 23
Automobile 3.901939 0.05745528 NA 3.789315 4.014563 23
Face 3.946848 0.05832549 NA 3.832519 4.061178 3
Selon ma compréhension (peut-être limitée) de l' utilisation de la vignette lsmeans, la colonne lsmean devrait représenter le nombre moyen de regards vers une catégorie donnée prédite par le modèle.
Cependant, ces valeurs semblent inconfortablement loin de simples statistiques descriptives pour ces chiffres,
summaryBy(fixationCount ~ fixationImage, data = lookDATA)
fixationImage fixationCount.mean
1 Automobile 55.18750
2 Bird 53.25000
3 Body 57.12821
4 Chair 50.39450
5 Dog 53.82883
6 Face 56.76389
7 Plant 54.71429
suggérant peut-être que je ne comprends pas correctement ce que les lsmeans représentent ici, ou peut-être que j'ai mal spécifié le modèle.
Toute assistance sera grandement appréciée.
la source
$<-.data.frame
(*tmp*
, "sep", value = ","): le remplacement a 1 ligne, les données ont 0. Pour mémoire, j'utilise R version 3.1.2 (2014-10-31) 'Pumpkin Helmet' et lsmeans version 2.17. Néanmoins, vous avez répondu à ma question et je vais transformer la sortie manuellement. Merci encore!cld
côté des choses. Sortez-le et voyez si cela fonctionne. Et utilisezpairs
au lieu de cld pour tester les comparaisons (dans un appel distinct). C'est de toute façon un meilleur itinéraire car cld prend des décisions en noir et blanc.cld
qui créait l'erreur. Merci de l'avoir signalé. Envoyez-moi un e-mail (voir champ Mainteneur) si vous souhaitez que j'envoie le package mis à jour. Sinon, il sera mis à jour sur CRAN dans quelques semaines.