설계된 실험에서 시선 추적 데이터를 분석하고 있습니다. 이처럼 내 데이터 외모의 단순화 된 버전 (당신은 dput을 (받을 수) 데이터 여기 )
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
여기서 참가자는 각 주제의 고유 식별자이고 fixationImage는 고정 된 사진 범주이며 fixationCount는 해당 사진 범주에 고정 된 횟수입니다.
lme4 패키지 의 glmer ()를 사용하여 데이터에 포아송 모델을 적합 시킵니다 .
model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)
lsmeans 패키지 의 lsmeans ()를 사용 하여 요인 수준의 차이를 조사했습니다.
cld(lsmeans(model,"fixationImage"))
다음과 같은 출력을 제공합니다.
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
lsmeans 비네팅 사용에 대한 나의 (아마도 제한적) 이해에 따르면 lsmean 열은 모델에서 예측 한 주어진 범주에 대한 평균 모양 수를 나타냅니다.
그러나 이러한 수치는 이러한 수치에 대한 간단한 설명 통계와는 거리가 멀다.
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
lsmeans가 여기에 나타내는 것을 올바르게 이해하지 못하거나 모델을 잘못 지정했을 수 있습니다.
도움을 주시면 감사하겠습니다.
$<-.data.frame
(*tmp*
교체 1 개 행이 데이터를 가지고, "9월"값을 = ",") 0. 기록을 위해 R 버전 3.1.2 (2014-10-31) 'Pumpkin Helmet'및 lsmeans 버전 2.17을 사용하고 있습니다. 그럼에도 불구하고, 당신은 내 질문에 대답했고 출력을 수동으로 변환 할 것입니다. 다시 감사합니다!