Estoy tratando de entender y saber qué informar de mi análisis de algunos datos usando el promedio de modelos en R.
Estoy usando el siguiente script para analizar el efecto del método de medición sobre una variable dada: Aquí está el conjunto de datos: https://www.dropbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0
Modelo a montar:
LM.1 <- gls(VMTf ~ turn+sex+method, na.action="na.fail", method = "ML",VMT4)
dragar modelo completo
require(MuMIn)
d=dredge(LM.1)
print(d)
coefficients(d)
Obtenga información resumida de todos los modelos para obtener estimaciones de parámetros
summary(model.avg(d))
Sé que todos los modelos pueden promediarse (promedio de modelo completo) o solo un subconjunto de ellos (promedio condicional). Ahora, me gustaría saber: cuándo es mejor usar un promedio total o condicional para hacer inferencias. ¿Qué debo informar de todo esto para un artículo científico? ¿Qué significa exactamente el valor Z y la p asociada para una situación promedio de modelo?
Para que sea más fácil visualizar mis preguntas. Aquí está la tabla de resultados,
> summary(model.avg(d))# now, there are effects
Call:
model.avg(object = d)
Component model call:
gls(model = VMT ~ <8 unique rhs>, data = VMT4, method = ML, na.action =
na.fail)
Component models:
df logLik AICc delta weight
1 4 -247.10 502.52 0.00 0.34
12 5 -246.17 502.83 0.31 0.29
13 5 -246.52 503.52 1.01 0.20
123 6 -245.60 503.88 1.36 0.17
(Null) 2 -258.62 521.33 18.81 0.00
3 3 -258.38 522.95 20.43 0.00
2 3 -258.60 523.39 20.88 0.00
23 4 -258.36 525.05 22.53 0.00
Term codes:
method sex turn
1 2 3
Model-averaged coefficients:
(full average)
Estimate Std. Error Adjusted SE z value Pr(>|z|)
(Intercept) 42.63521 0.37170 0.37447 113.856 < 2e-16 ***
methodlight chamber -1.05276 0.36098 0.36440 2.889 0.00386 **
methodthermal gradient -1.80567 0.36103 0.36445 4.955 7e-07 ***
sex2 0.19023 0.29403 0.29548 0.644 0.51970
turn 0.05005 0.10083 0.10141 0.494 0.62165
(conditional average)
Estimate Std. Error Adjusted SE z value Pr(>|z|)
(Intercept) 42.6352 0.3717 0.3745 113.856 < 2e-16 ***
methodlight chamber -1.0528 0.3609 0.3643 2.890 0.00386 **
methodthermal gradient -1.8058 0.3608 0.3642 4.958 7.1e-07 ***
sex2 0.4144 0.3089 0.3119 1.328 0.18402
turn 0.1337 0.1264 0.1276 1.047 0.29492
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Relative variable importance:
method sex turn
Importance: 1.00 0.46 0.37
N containing models: 4 4 4