여러분 모두이 질문에 신경 쓰지 않기를 바라지 만 R에서 배우려고했던 선형 혼합 효과 모델 출력에 대한 출력을 해석하는 데 도움이 필요합니다. 세로 데이터 분석 및 선형 혼합 효과 회귀에 익숙하지 않습니다. 나는 시간 예측 자로 몇 주를 맞춘 모델을 가지고 있으며, 고용 과정에서 내 성과로 점수를 매 깁니다. 몇 주 (시간)와 여러 고정 효과, 성별 및 인종으로 점수를 모델링했습니다. 내 모델에는 임의의 효과가 있습니다. 분산과 상관 관계의 의미를 이해하는 데 도움이 필요합니다. 출력은 다음과 같습니다.
Random effects
Group Name Variance
EmpId intercept 680.236
weeks 13.562
Residual 774.256
상관 관계는 .231입니다.
주와 점수 사이에 긍정적 인 관계가 있기 때문에 상관 관계를 해석 할 수 있지만 "23 % of ..."의 관점에서 말할 수 있기를 원합니다.
정말 도움을 주셔서 감사합니다.
답장을 보낸 "guest"와 Macro에게 감사합니다. 답장을 보내지 않아 죄송합니다. 회의에 참석했는데 지금 따라 잡고 있습니다. 다음은 출력과 컨텍스트입니다.
다음은 내가 실행 한 LMER 모델에 대한 요약입니다.
>summary(LMER.EduA)
Linear mixed model fit by maximum likelihood
Formula: Score ~ Weeks + (1 + Weeks | EmpID)
Data: emp.LMER4
AIC BIC logLik deviance REMLdev
1815 1834 -732.6 1693 1685
Random effects:
Groups Name Variance Std.Dev. Corr
EmpID (Intercept) 680.236 26.08133
Weeks 13.562 3.682662 0.231
Residual 774.256 27.82546
Number of obs: 174, groups: EmpID, 18
Fixed effects:
Estimate Std. Error t value
(Intercept) 261.171 6.23 37.25
Weeks 11.151 1.780 6.93
Correlation of Fixed Effects:
(Intr)
Days -0.101
무작위 효과의 분산과 잔차를 해석하고 다른 사람에게 설명하는 방법을 이해하지 못합니다. 또한 양의 인터셉트가 더 높은 기울기를 가지고 있고 더 낮은 절편을 가진 사람들이 더 낮은 기울기를 가지고 있음을 나타내는 긍정적 인 것 이외의 상관 관계를 해석하는 방법을 모르겠습니다.하지만 상관 관계를 용어로 설명하는 방법을 모르겠습니다 의 23 % . . . (문장을 완성하는 방법을 모르거나 그렇게하는 것이 옳은지 모르겠습니다). 이것은 (me) 종단 분석으로 이동하려고 할 때 다른 유형 분석입니다.
이게 도움이 되길 바란다.
지금까지 도와 주셔서 감사합니다.
제다