Question

我目前正在使用family = inverse.gaussian（link =“log”）运行glmer。我所拥有的“顶级模特”如下：

 full_mod2=glmer(cpueplus1 ~ assnage * logcobb + (1|fyear) + (1|flocation),
 data=yc,family=inverse.gaussian(link = "log"))

系数的输出为：

  Fixed effects:
                   Estimate Std. Error t value Pr(>|z|)    
  (Intercept)      1.53670    0.16126   9.529  < 2e-16 ***
  assnage         -0.30168    0.04909  -6.146 7.96e-10 ***
  logcobb          0.42032    0.06155   6.829 8.54e-12 ***
  assnage:logcobb -0.10132    0.02395  -4.231 2.33e-05 ***

我希望有一个方程式，我可以将其中一个变量保持不变（例如assnage），并确定另一个变量对观察值的影响（例如logcobb）。使用gmler，您可以轻松地使用“invlogit（）”进行二项式分析，是否有类似于inverse.gaussian的东西？例如，当assnage等于mean（2），max（4）或min（1）时：

 mean_age=FUNCTION(1.53670 + -0.30168*(mean(assnage)) +
 0.42032*observedvalues(logcobb) + -0.10132*(mean(assnage)*observedvalues(logcobb))

Answer 1

您可以从inverse.gaussian对象获得反函数。

inv.gaus <- inverse.gaussian(link = "log")

inv.gaus$linkfun(10)
inv.gaus$linkinv(inv.gaus$linkfun(10))

您还可以直接查看这些功能的定义。

inv.gaus$linkfun

function (mu) 
log(mu)
<environment: namespace:stats>

inv.gaus$linkinv

function (eta) 
pmax(exp(eta), .Machine$double.eps)
<environment: namespace:stats>

通过查看attributes(inv.gaus)

，您可以在链接对象中看到更多属性

完成你的后转换，你可以使用

inv.gaus$linkinv(1.53670 + -0.30168*(mean(assnage)) +
 0.42032*observedvalues(logcobb) + -0.10132*(mean(assnage)*observedvalues(logcobb))

从glmer返回变换（family = inverse.gaussian（link =“log”））

1 个答案: