对数图上的lme“间隔”的置信区间(R)

时间:2013-08-09 06:39:26

标签: r logging intervals glm confidence-interval

我有一个分析,我经历了一个lme。我有这种关系,但我很担心置信区间,因为策划它们已经变成了一种痛苦,这让我变得偏执,因为我没有计算出我认为我在计算的那些。

这是一些组成的数据和相应的代码。顺便说一句,我正在使用R 2.12.1。我不希望这是一个关于我为什么要更新的讨论,这很复杂。

data1= c(1,2,3,3.5,4,3.5,4,4.5,4,3.5,4)
data2= c(1,2,3,4,5,6,7,8,9,10,11)
Species= c(1,1,1,2,2,2,3,3,3,4,4)
lme.1 <- lme( log10(data1) ~ I(log10(data2)), random = ~1 | Species,na.action=na.omit) 
summary(lme.1)
> summary(lme.1)
Linear mixed-effects model fit by REML
 Data: NULL 
        AIC       BIC   logLik
  -9.110323 -8.321425 8.555162

Random effects:
 Formula: ~1 | Species
        (Intercept)   Residual
StdDev:  0.08652213 0.06548471

Fixed effects: log10(data1) ~ I(log10(data2)) 
                    Value  Std.Error DF  t-value p-value
(Intercept)     0.0447920 0.09800146  6 0.457054  0.6637
I(log10(data2)) 0.6420499 0.12014255  6 5.344067  0.0018
 Correlation: 
                (Intr)
I(log10(data2)) -0.874

Standardized Within-Group Residuals:
       Min         Q1        Med         Q3        Max 
-1.3001798 -0.7330288  0.2759485  0.6006050  1.3078429 

Number of Observations: 11
Number of Groups: 4 

下面的interval命令是否为我提供了适当的CI,因为它是一个日志模型?我在某处读到,“请注意,对于逻辑模型,置信区间基于分析的对数似然函数。我们还可以通过使用默认方法仅基于标准错误来获取CI。”那么,在表格中或在创建情节时报告CI时,使用什么是合适的呢?我对此非常不满,因为我的研究一直在使用“间隔”中的CI来评估我的斜坡的精确度。

> intervals(lme.1)
Approximate 95% confidence intervals

 Fixed effects:
                     lower       est.     upper
(Intercept)     -0.1950090 0.04479197 0.2845929
I(log10(data2))  0.3480716 0.64204987 0.9360281
attr(,"label")
[1] "Fixed effects:"

 Random Effects:
  Level: Species 
                     lower       est. upper
sd((Intercept)) 0.01592783 0.08652213  0.47

 Within-group standard error:
     lower       est.      upper 
0.03375712 0.06548471 0.12703237 

我需要绘制趋势并包含CI乐队。这是审稿人要求的 - 而非SE。

x<-lme.1
plot(data2, data1, log='xy',xlim = c(1,20), ylim = c(1,5))
10^0.0447920  
curve(1.108644*x^0.6420499, add=TRUE) # (antilogged intercept*x^log10 value)  

接下来,需要对数据2的下部和上部CI进行取幂。

10^0.3480716
curve(2.228803*x^0.6420499, add=TRUE)
10^0.9360281
curve(8.630344*x^0.6420499, add=TRUE)

我没有足够的声望来发布我的情节,但上面的CI不在规模范围内,指出价值不合适或者我忽略了什么。

0 个答案:

没有答案