R中的GLM：来自glmer-summary和来自effect-package的估计之间的差异

Question

我使用glmer()包中的lme4在R中设置了GLMM。我使用效果包来计算固定效果的估计值和CI。 我是GLMM的新手，所以我的问题是如何计算effects包提供的估算值，以及它们与glmer - 摘要中给出的对数均值有何不同？

例如，如果我运行

Model = glmer(response ~ fixed1 + fixed2 + (1 | random), data=df, family = poisson)

summary（Model）返回以下内容：

              Estimate      Std. Error      z value      Pr(>|z|)
(Intercept)     -0.1459        0.4863       -0.300        0.764
fixed1_level2    0.3044        0.4479        0.680        0.497
fixed2_level2    0.2298        0.3212        0.716        0.474
fixed2_level3    0.3576        0.3368        1.062        0.288

而summary（allEffects（Model））返回此信息：

fixed1 effect

fixed1_level1     fixed1_level2 
1.125860          1.526514 

fixed2 effect

fixed2_level1     fixed2_level2     fixed2_level3
1.115492          1.403738          1.594999

Answer 1

对于它的价值，这个问题不是特定于混合模型 - 它适用于任何广义线性模型。

R中具有分类预测因子的模型的标准参数化（处理对比）是截距项给出“线性预测器”或“链接”上因子的第一级的预期值scale（在这种情况下为对数比例），而第二个和后续术语给出了第二，第三，......等级和第一个等级的预期值之间的差异（再次在对数比例上）。因此（如果参数为b0，b1，b2），第一级的预测值为exp(b0)，第二级的预测值为exp(b0+b1)，第三是exp(b0+b2)。测试你的例子：

> exp(-2.4858)
[1] 0.08325892
> exp(-2.4858+1.6187)
[1] 0.4201683
> exp(-2.4858+0.8966)
[1] 0.2040888

这些符合四舍五入错误。