0
我目前正在用family = inverse.gaussian(link =「log」)運行一個glmer。在「頂級模特」我有如下:glmer的反變換(family = inverse.gaussian(link =「log」))
full_mod2=glmer(cpueplus1 ~ assnage * logcobb + (1|fyear) + (1|flocation),
data=yc,family=inverse.gaussian(link = "log"))
與輸出作爲係數:
Fixed effects:
Estimate Std. Error t value Pr(>|z|)
(Intercept) 1.53670 0.16126 9.529 < 2e-16 ***
assnage -0.30168 0.04909 -6.146 7.96e-10 ***
logcobb 0.42032 0.06155 6.829 8.54e-12 ***
assnage:logcobb -0.10132 0.02395 -4.231 2.33e-05 ***
我希望能有一個公式,我將能夠容納的一個變量不變(例如assnage)並確定其他變量對觀測值的影響(例如logcobb)。用gmler,你可以很容易地使用「invlogit()」來進行二項分佈,有沒有類似inverse.gaussian的東西?例如,當assnage等於平均值(2),最大值(4),或分鐘(1):
mean_age=FUNCTION(1.53670 + -0.30168*(mean(assnage)) +
0.42032*observedvalues(logcobb) + -0.10132*(mean(assnage)*observedvalues(logcobb))
這確實回答了提出的問題,所以幾乎按定義「有用」,但我擔心沒有考慮隨機效應。我希望提問者不希望這個結果成爲「預測方程」。 –