Hola, tengo un conjunto de datos bastante grande en el que estoy tratando de evaluar cómo el mercurio final capturado en New Hampshire ha variado entre 1992 y 2021 y evaluar cómo estos niveles de mercurio varían de un condado a otro a lo largo de esta línea de tiempo.
mis datos son los siguientes
DV = Mercurio total (escala Log10, continuo)
IV Fijo 1= Longitud del pez (Continuo)
IV Fijo 2= Año de Captura (Categórico, Numérico/Nominal)
IV Fijo 3= Año de captura * Longitud
IV Fijo 4= Condado (Categórico, Carácter/Nominal)
IV Aleatorio 1= Lago (Categórico, Carácter/Nominal)
IV Aleatorio 2= Lago * Año de Captura
He especificado esto en Fit Model Platform Here.
Estos son mis resultados de salida
tengo curiosidad en cuanto a
1. ¿Cómo debo interpretar los valores del coeficiente de variación en el menú de salida de REML? (estos valores también aparecen como negativos)
2. Cómo interpretar significativamente la intersección negativa como mi estimación de parámetros, ya que es imposible tener una concentración de mercurio de referencia negativa
3. Cómo interpretar la variación inter e intragrupo de los efectos aleatorios (variación en el mercurio de los peces dentro de los lagos, entre lagos y a lo largo del año del lago)
4. Cómo volver a transformar mis medios LS desde el menú desplegable del triángulo rojo de detalles del efecto.
También estoy interesado en ver si hay algo más que deba hacer/explorar dado que este es mi resultado.
Gracias por su comprensión de esto.
Hola @IWRRI : Unas pocas cosas:
1. El CV es 100*sqrt(VC)/media, donde el VC es el Var Comp respectivo. Es negativo porque tu media es negativa (hablaré de eso en el punto 2 a continuación).Pero, estos CV son para los datos a escala logarítmica.Usted está interesado en la escala en bruto. En ese caso, CV = 100*sqrt(exp(Var Comp)-1) en lenguaje Excel. Por ejemplo, para el efecto aleatorio del lago, su Var Comp = 0,0392767. El CV (en escala no transformada) es entonces 20.01455169.Más sobre CV aquí. https://en.wikipedia.org/wiki/Coeficiente_de_variación#Log-normal_data
2. El interceptar es negativo en escala logarítmica (no en la escala bruta).
3. Esta es una pregunta complicada. La respuesta muy breve es que se trata de una partición de la variabilidad total... para que pueda ver de dónde proviene la variabilidad y tal vez priorizar sus recursos.
4. Puede hacer esto "manualmente" guardando la salida y transformando hacia atrás los LSMeans (p. ej., 10^LSMean) y sus respectivos intervalos. Sin embargo, tenga cuidado con las interpretaciones; las diferencias en las medias aritméticas en escala logarítmica se transforman de nuevo en proporciones de medias geométricas en la escala bruta.
Hola @IWRRI ,
Sólo algunos comentarios sobre un punto de vista general:
- No estoy seguro de entender por qué / cómo la variable lago puede ser una variable aleatoria y no el condado (que también suena como una variable de ubicación, y "tan aleatoria" como el lago, ya que son datos de observación? Entonces, ¿solo una fracción de todas las ubicaciones posibles, también conocida como una muestra aleatoria de una población más grande)?
- La misma pregunta para Año, no veo por qué/cómo se considera un efecto fijo, ya que es un estudio observacional, no se puede controlar el tiempo y puede estar más interesado en la variación/varianza por año que en el valor medio por año? Y los años en el análisis (1992-2021) son solo una muestra aleatoria de un período de tiempo más grande posible.
- También recomendaría usar la plataforma "Modelo mixto" en lugar del método "Mínimos cuadrados" ya que tiene una combinación de efectos aleatorios y fijos: Modelos mixtos y modelos de efectos aleatorios (jmp.com)
Dado que no conozco exactamente su tema, algunas de mis preguntas pueden sonar ingenuas o no apropiadas para su tema. Si es así, puedes ignorarlos. Espero que estas preguntas y comentarios puedan ayudarlo,
