如何从 R 中原始比例的混合模型解释对数变换模型的系数？
How to interpret coeffcient of log transformed model from mixed model on original scale in R?
完整的植物生长模型如下：
lmer(log(growth) ~ nutrition + fertilizer + season + (1|block)
营养(nitrogen/phosphorus)、肥料(none/added)、季节(dry/wet)
模型总结如下：
REML criterion at convergence: 71.9
Scaled residuals:
Min 1Q Median 3Q Max
-1.82579 -0.59620 0.04897 0.62629 1.54639
Random effects:
Groups Name Variance Std.Dev.
block (Intercept) 0.06008 0.2451
Residual 0.48633 0.6974
Number of obs: 32, groups: tank, 16
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 3.5522 0.2684 19.6610 13.233 3.02e-11 ***
nutritionP 0.2871 0.2753 13.0000 1.043 0.31601
fertlizeradded -0.3513 0.2753 13.0000 -1.276 0.22436
seasonwet 1.0026 0.2466 15.0000 4.066 0.00101 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
这里的植物生长只依赖于季节，生长的增量在对数尺度上是1.0026。如果我想知道实际植物高度的增加是多少，我该如何在原始数据的范围内解释这一点？它只是 e(1.0026) ~ 3 cms，还是有任何其他解释方式？
exp(1.0026)确实是3左右（2.72），但是这个数值代表了成比例的变化。在其他条件相同的情况下，雨季的生长速度是旱季的三倍。
完整的植物生长模型如下：
lmer(log(growth) ~ nutrition + fertilizer + season + (1|block)
营养(nitrogen/phosphorus)、肥料(none/added)、季节(dry/wet)
模型总结如下：
REML criterion at convergence: 71.9
Scaled residuals:
Min 1Q Median 3Q Max
-1.82579 -0.59620 0.04897 0.62629 1.54639
Random effects:
Groups Name Variance Std.Dev.
block (Intercept) 0.06008 0.2451
Residual 0.48633 0.6974
Number of obs: 32, groups: tank, 16
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 3.5522 0.2684 19.6610 13.233 3.02e-11 ***
nutritionP 0.2871 0.2753 13.0000 1.043 0.31601
fertlizeradded -0.3513 0.2753 13.0000 -1.276 0.22436
seasonwet 1.0026 0.2466 15.0000 4.066 0.00101 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
这里的植物生长只依赖于季节，生长的增量在对数尺度上是1.0026。如果我想知道实际植物高度的增加是多少，我该如何在原始数据的范围内解释这一点？它只是 e(1.0026) ~ 3 cms，还是有任何其他解释方式？
exp(1.0026)确实是3左右（2.72），但是这个数值代表了成比例的变化。在其他条件相同的情况下，雨季的生长速度是旱季的三倍。