Question

我使用R中的'MuMIn'包来选择模型并计算输入变量（rain，brk，onset，wid）的效果大小。为了使我的效果大小在变量之间具有可比性，我使用arm包中的标准化函数对它们进行了标准化。以下是我要遵循的代码：

供参考，请参阅本文的附录：http://onlinelibrary.wiley.com/doi/10.1111/j.1420-9101.2010.02210.x/full Grueber等。 2011：生态学和进化中的多模型推理：挑战和解决方案

data1<-read.csv("data.csv",header=TRUE)       #reads the data

global.model<-lmer(yld.res ~ rain + brk + onset + wid + (1|state),data=data1,REML="FALSE")               # prepares a global model

stdz.model <- standardize(global.model,standardize.y = FALSE)          # standardise the input varaibles 

model.set <- dredge(stdz.model)      ### generates the full submodel set

top.models <- get.models(model.set, subset= delta<2)   # selects models with delta AIC <2

model.avg(top.models)       # calculates the average effect size of input variables

以下是model.avg(top.models)的结果，它给出了每个输入变量的平均效果大小

Coefficients: 
         (Intercept)     brk         rain         wid        onset
subset -4.281975e-14   -106.0919   51.54688    39.82837    35.68766

我读到了标准化函数如何工作 - 减去平均值并除以2SD。

我的问题是：由于我已经对输入变量进行了标准化，因此效果大小不应该介于-1到1之间吗？或输出显示的效果大小是否正确？

请告知

非常感谢

Answer 1

这更像是一个统计问题，而不是一个编程问题，但是：你只是标准化预测变量，而不是响应变量（你指定standardize.y=FALSE）;因此，每个系数表示预测变量中每2个SD变化的响应的预期变化（在响应的单位中！）。如果响应的范围很大（因为它必须在您的示例中），那么可能会有非常大的变化。例如，如果我正在分析以毫克为单位测量的大象重量的变化，我可以预期，对于预测因子（例如性别，年龄，食物供应）的相当小的变化，响应会发生非常大的变化。如果你想要真正的无量纲/无单位效果大小，你应该使用standardize.y=TRUE。即使是非维度效应也不一定限制在介于-1和+1之间，但如果它们如此之大，那将是令人惊讶的。

顺便说一句，我认为您的standardize功能来自arm包，而不是来自MuMIn（library("sos"); findFn("standardize",sortby="Function)）。

R中MuMIn包中的标准化

1 个答案: