Multiple regression, mixed variables, binomial dependent variable
Verfasst: So Jul 23, 2017 11:23 pm
Hallo zusammen,
Ich bin zurzeit an einem Forschungsprojekt, das den Zusammenhang zwischen Mikrohabitat-Wahl und Farbe von Fischen untersucht.
Dazu wurde die Zeit in Mikrohabitat A und B gemessen und als Wert zwischen 0 und 1 notiert (also als relativer Wert/Proportion). z.B A= Stein, B= Seegras (POsidonia). Die gemessenen Zeiten wurden dann relativ notiert für das jeweilige Mikrohabitat, z.B als relative Zeit in Posidonia).
Die Farben der Fische sind grün, braun und intermediate (Zwischenstufe). Weitere Messwerte sind Standardlänge der Fische, Tageszeit und Site/Location. Nun möchte ich zeigen, dass die Farbe der Fische am besten die relative Zeit im Mikrohabitat voraussagt und sich die unterschiedlichen Farben in unterschiedlichen Mikrohabitaten (0% in Posidonia = 100% über Stein) aufhalten. Dazu habe ich mich für ein GLMM der Familie binomial entschieden, obwohl die dependent variable nicht wirklich binär ist, sondern eben proportion (zwischen 0 und 1 aber mit 0 und 1). Als fixed effects habe ich Farbe und Standardlänge gewählt, bin jetzt aber unsicher ob ich Site und Tageszeit als random effects einspeisen soll, v.a weil ich nur 2 Sites habe.
Was mir folgenden Output gibt:
Nun habe ich Mühe mit der Interpretation..
Was bedeuten die Variances der random effects?
Kann ich anhand von diesem Ergebnis sagen, dass Farbe der beste Predictor ist für die Mikrohabitat-Association?
Wie kann ich jetzt herausfinden, welche Farbe wie mit dem Mikrohabitat assoziiert ist?
Bin noch ziemlich neu mit R und hoffe die Frage ist nicht zu banal.
Danke für jede Hilfe!
Liebe Grüsse,
Sarya
Ich bin zurzeit an einem Forschungsprojekt, das den Zusammenhang zwischen Mikrohabitat-Wahl und Farbe von Fischen untersucht.
Dazu wurde die Zeit in Mikrohabitat A und B gemessen und als Wert zwischen 0 und 1 notiert (also als relativer Wert/Proportion). z.B A= Stein, B= Seegras (POsidonia). Die gemessenen Zeiten wurden dann relativ notiert für das jeweilige Mikrohabitat, z.B als relative Zeit in Posidonia).
Die Farben der Fische sind grün, braun und intermediate (Zwischenstufe). Weitere Messwerte sind Standardlänge der Fische, Tageszeit und Site/Location. Nun möchte ich zeigen, dass die Farbe der Fische am besten die relative Zeit im Mikrohabitat voraussagt und sich die unterschiedlichen Farben in unterschiedlichen Mikrohabitaten (0% in Posidonia = 100% über Stein) aufhalten. Dazu habe ich mich für ein GLMM der Familie binomial entschieden, obwohl die dependent variable nicht wirklich binär ist, sondern eben proportion (zwischen 0 und 1 aber mit 0 und 1). Als fixed effects habe ich Farbe und Standardlänge gewählt, bin jetzt aber unsicher ob ich Site und Tageszeit als random effects einspeisen soll, v.a weil ich nur 2 Sites habe.
Code: Alles auswählen
rois_model = glmer(PosidoniaRatio ~ colour + length + (1|site) + (1|water_clarity) + (1|daytime), data=tempdat, family=binomial)
summary(rois_model)Was bedeuten die Variances der random effects?
Kann ich anhand von diesem Ergebnis sagen, dass Farbe der beste Predictor ist für die Mikrohabitat-Association?
Wie kann ich jetzt herausfinden, welche Farbe wie mit dem Mikrohabitat assoziiert ist?
Bin noch ziemlich neu mit R und hoffe die Frage ist nicht zu banal.
Danke für jede Hilfe!
Liebe Grüsse,
Sarya