Bonjour, j'ai un ensemble de données assez volumineux dans lequel j'essaie d'évaluer la variation du mercure dans la finition capturée dans le New Hampshire de 1992 à 2021 et d'évaluer comment ces niveaux de mercure varient d'un comté à l'autre tout au long de cette période.
Mes données sont les suivantes
DV = Mercure total (à l'échelle Log10, continu)
IV Fixe 1 = Longueur du poisson (continu)
IV Fixe 2 = Année de capture (catégorielle, numérique/nominale)
IV Fixe 3 = Année de capture * Durée
IV Fixe 4= Comté (Catégorique, Caractère/Nominal)
IV Aléatoire 1= Lac (Catégorique, Caractère/Nominal)
IV Aléatoire 2= Lac * Année de capture
Je l'ai spécifié dans la Fit Model Platform Here.
Ce sont mes résultats de sortie
je suis curieux de savoir
1. Comment dois-je interpréter les valeurs du coefficient de variation dans le menu de sortie REML ? (ces valeurs sont également négatives)
2. Comment interpréter de manière significative l'ordonnée à l'origine négative comme mon estimation de paramètre, car il est impossible d'avoir une concentration de mercure de référence négative
3. Comment interpréter à la fois la variation inter et intra-groupe des effets aléatoires (variation du mercure des poissons dans les lacs, entre les lacs et à travers le lac-année)
4. Comment rétro-transformer mes LS Means à partir du menu déroulant du triangle rouge des détails de l'effet.
Je suis également intéressé à voir s'il y a autre chose que je devrais faire/explorer étant donné qu'il s'agit de ma sortie ?
Merci pour votre perspicacité à ce sujet.
Salut @IWRRI : Quelques choses:
1. Le CV est 100*sqrt(VC)/mean, où le VC est le Var Comp respectif. Il est négatif parce que votre moyenne est négative (j'y reviendrai en 2 ci-dessous).Mais, ces CV sont pour les données à l'échelle logarithmique.Vous êtes intéressé par l'échelle brute. Dans ce cas, CV = 100*sqrt(exp(Var Comp)-1) en langage Excel. Par exemple, pour l'effet aléatoire Lac, votre Var Comp = 0,0392767. Le CV (en échelle non transformée) est alors de 20,01455169.Plus d'informations sur CV ici. https://en.wikipedia.org/wiki/Coefficient_of_variation#Log-normal_data
2. Le intercepter est négatif dans l'échelle logarithmique (pas l'échelle brute).
3. C'est une question compliquée. La réponse très courte est qu'il s'agit d'un partitionnement de la variabilité totale... afin que vous puissiez voir d'où vient la variabilité et peut-être hiérarchiser vos ressources.
4. Vous pouvez le faire "manuellement" en enregistrant la sortie et en rétro-transformant les LSMeans (par exemple, 10^LSMean) et leurs intervalles respectifs. Attention cependant aux interprétations ; les différences de moyennes arithmétiques à l'échelle logarithmique se transforment en rapport des moyennes géométriques à l'échelle brute.
Salut @IWRRI ,
Juste quelques remarques d'un point de vue général :
- Je ne suis pas sûr de comprendre pourquoi/comment la variable lac peut être une variable aléatoire et non un comté (ce qui semble aussi être une variable de localisation, et "aussi aléatoire" que le lac puisqu'il s'agit de données d'observation ? Donc, seulement une fraction de tous les emplacements possibles, c'est-à-dire un échantillon aléatoire d'une plus grande population) ?
- Même question pour Year, je ne vois pas pourquoi/comment c'est considéré comme un effet fixe, puisqu'il s'agit d'une étude observationnelle, vous ne pouvez pas contrôler le temps, et vous pouvez être plus intéressé par la variation/variance par an que par la valeur moyenne par an ? Et les années de l'analyse (1992-2021) ne sont qu'un échantillon aléatoire à partir d'une période plus longue possible.
- Je recommanderais également d'utiliser la plateforme "Mixed Model" au lieu de la méthode "Least Squares" puisque vous avez une combinaison d'effets aléatoires et fixes : Modèles mixtes et modèles à effets aléatoires (jmp.com)
Comme je ne connais pas exactement votre sujet, certaines de mes questions peuvent sembler naïves ou ne pas convenir à votre sujet. Si c'est le cas, vous pouvez les ignorer. J'espère que ces questions et remarques pourront vous aider,
