我目前正在研究不同性状对蜗牛壳体积的影响。 我有一个数据框,其中每一行代表一个给定的个体,以及几个具有所有属性(长度,壳体积,性别,感染)的列。
我制作了ANCOVA:mod=aov(log(volume) ~ infection*sex*log(length))
。
我明白了:
Df Sum Sq Mean Sq F value Pr(>F)
inf 1 4.896 4.896 258.126 <2e-16 ***
sex 1 3.653 3.653 192.564 <2e-16 ***
log(length) 1 14.556 14.556 767.335 <2e-16 ***
inf:sex 1 0.028 0.028 1.472 0.227
inf:log(length) 1 0.020 0.020 1.064 0.304
sex:log(length) 1 0.001 0.001 0.076 0.783
inf:sex:log(length) 1 0.010 0.010 0.522 0.471
Residuals 174 3.301 0.019
性别,感染和长度的显着影响,但没有互动条款。
由于没有互动,我想知道,对于特定的性别,log(volume) = f(log(length))
的拦截对于受感染的个体或未感染的个体是否更大。
我尝试使用summary.lm(mod)
,它给了我这个:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.42806 0.15429 -2.774 0.00613 **
infmic -0.54963 0.40895 -1.344 0.18070
sexM -0.11542 0.35508 -0.325 0.74554
log(length) 2.41915 0.11144 21.709 < 2e-16 ***
infmic:sexM 0.52459 0.63956 0.820 0.41320
infmic:log(length) 0.43215 0.33717 1.282 0.20166
sexM:log(length) 0.04207 0.28113 0.150 0.88122
infmic:sexM:log(length) -0.38222 0.52920 -0.722 0.47110
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.1377 on 174 degrees of freedom
Multiple R-squared: 0.8753, Adjusted R-squared: 0.8703
F-statistic: 174.5 on 7 and 174 DF, p-value: < 2.2e-16
但是我无法解释结果,但仍然没有看到如何结束。 我也有&#34;很少&#34;其他问题:
为什么性能和感染在lm输出中不显着? 我知道这里不重要,但如何解释有关互动条款的界限?
我认为infmic:sexM代表感染男性与未感染女性的log(体积)= f(log(长度))斜率的变化。那么,infhem:长度是感染女性和未感染女性之间斜率的变化吗?而且性别:未感染的男性和未感染的女性之间的变化是什么?这是真的? 三重交互术语代表什么?
非常感谢!
答案 0 :(得分:0)
让我们将数据分成4组(F-NI,FI,M-NI,MI),并查找回归线日志(体积)= f(log(长度))的等式这些小组中的每一个。这里,系数是函数summary.lm(mod)
方程是:
log(volume) = (Intercept) + log(length)
log(volume) = (Intercept) + infmic + log(length) + infmic:log(length)
log(volume) = (Intercept) + sexM + log(length) + sexM:log(length)
log(volume) = (Intercept) + infmic + sexM + infmic:sexM + log(length) + infmic:log(length) + sexM:log(length) + infmic:sexM:log(length)
对于每个等式,斜率是以log(length)
开头的部分,截距是之前的部分。
对于你们中的一些人来说,这可能是显而易见的,但我真的不明白每个系数最初代表什么,所以我更愿意把它放在这里!
爱丽丝