R의 모델 평균을 사용하여 일부 데이터를 분석 한 결과를 이해하고 이해하려고합니다.

주어진 변수에 대한 측정 방법의 효과를 분석하기 위해 다음 스크립트를 사용하고 있습니다. 데이터 세트는 다음과 같습니다.
https://www.dropbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0

장착 할 모델 :

LM.1 <- gls(VMTf ~ turn+sex+method, na.action="na.fail", method = "ML",VMT4)

준설 풀 모델

require(MuMIn)
d=dredge(LM.1)
print(d)
coefficients(d)

모수 추정값을 얻기 위해 모든 모형의 요약 정보를 얻습니다.

summary(model.avg(d))

모든 모델의 평균을 구할 수 있거나 (전체 모델 평균화) 또는 일부만 (조건부 평균화) 수행 할 수 있습니다. 이제 나는 추론하기 위해 전체 또는 조건부 평균을 사용하는 것이 더 낫다는 것을 알고 싶습니다. 과학 기사에 대해이 모든 것을 무엇으로보고해야합니까? 모델 평균화 상황에서 Z 값과 관련 p가 정확히 무엇을 의미합니까?

내 질문을 더 쉽게 시각화합니다. 결과표는 다음과 같습니다.

> summary(model.avg(d))# now, there are effects

Call:
model.avg(object = d)

Component model call: 
gls(model = VMT ~ <8 unique rhs>, data = VMT4, method = ML, na.action = 
 na.fail)

Component models: 
       df  logLik   AICc delta weight
1       4 -247.10 502.52  0.00   0.34
12      5 -246.17 502.83  0.31   0.29
13      5 -246.52 503.52  1.01   0.20
123     6 -245.60 503.88  1.36   0.17
(Null)  2 -258.62 521.33 18.81   0.00
3       3 -258.38 522.95 20.43   0.00
2       3 -258.60 523.39 20.88   0.00
23      4 -258.36 525.05 22.53   0.00

Term codes: 
method    sex   turn 
     1      2      3 

Model-averaged coefficients:  
(full average) 
                       Estimate Std. Error Adjusted SE z value Pr(>|z|)    
(Intercept)            42.63521    0.37170     0.37447 113.856  < 2e-16 ***
methodlight chamber    -1.05276    0.36098     0.36440   2.889  0.00386 ** 
methodthermal gradient -1.80567    0.36103     0.36445   4.955    7e-07 ***
sex2                    0.19023    0.29403     0.29548   0.644  0.51970    
turn                    0.05005    0.10083     0.10141   0.494  0.62165    

(conditional average) 
                       Estimate Std. Error Adjusted SE z value Pr(>|z|)    
(Intercept)             42.6352     0.3717      0.3745 113.856  < 2e-16 ***
methodlight chamber     -1.0528     0.3609      0.3643   2.890  0.00386 ** 
methodthermal gradient  -1.8058     0.3608      0.3642   4.958  7.1e-07 ***
sex2                     0.4144     0.3089      0.3119   1.328  0.18402    
turn                     0.1337     0.1264      0.1276   1.047  0.29492    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Relative variable importance: 
                     method sex  turn
Importance:          1.00   0.46 0.37
N containing models:    4      4    4

답변