我想在三种不同条件下获得96u的百分比。
正如你所看到的那样,我正在使用这种拟合(因为我正在使用二项式数据)
fit96u=glmer(cbind(96u.yes,96u.No)~Condition+Type.eggs+(1|number),family=binomial(link=logit),data=data)
但是如果我想成为96 u的百分比,我应该使用哪个代码,对于每个条件分别是/或者与一种鸡蛋相结合
答案 0 :(得分:0)
我不确定我是否理解你的意思认为这是你正在寻找的
library(dplyr)
percByCondition <- df %>% group_by(Condition) %>% summarize(percYes = mean(96u.yes))
其中df表示输入数据帧。 如果您想要按蛋类型或蛋的条件和类型分组的频率,您需要在group_by()中相应地更改分组变量
答案 1 :(得分:0)
我认为你正在寻找像
这样的东西构建“预测框架”,即预测变量的相关组合:
pframe <- with(my_data,
expand.grid(Condition=levels(Condition),
Type.Eggs=levels(Type.Eggs)))
预测:
predict(fit96u,newdata=pframe,
type="response", ## predict on probability (not logit) scale
re.form=~0) ## ignore grouping when predicting
或者,对于仅基于条件的预测,请查看lsmeans package(不要忘记type="response"
:example)