lmer 输出的解释
Interpretation of an lmer output
我是新来的,我试过 运行 lmer 模型:
lmer = lmer(RI ~ SET + LOG_VP + (1|API) + (1|ODOUR), data = a)
有人可以帮我解释输出吗?
Linear mixed model fit by REML ['lmerMod']
Formula: RI ~ SET + LOG_VP + (1 | API) + (1 | ODOUR)
Data: a
REML criterion at convergence: -349.9
Scaled residuals:
Min 1Q Median 3Q Max
-2.6167 -0.4719 -0.0357 0.5053 8.4850
Random effects:
Groups Name Variance Std.Dev.
API (Intercept) 0.01431 0.11964
ODOUR (Intercept) 0.00415 0.06442
Residual 0.00778 0.08820
Number of obs: 238, groups: API, 34; ODOUR, 14
Fixed effects:
Estimate Std. Error t value
(Intercept) 0.15716 0.08792 1.787
SET 0.08180 0.05490 1.490
LOG_VP 0.03527 0.01968 1.792
Correlation of Fixed Effects:
(Intr) SET
SET -0.950
LOG_VP 0.083 -0.049
谢谢!
这取决于你的研究问题是什么,但是
两个固定效应均为零时的响应是 0.15716
SET
的 1 个单位变化与 RI
的 0.08180 变化相关联
LOG_VP
的 1 个单位变化与 RI
的 0.03527 变化相关联
API
水平的方差为 0.01431
ODOUR
水平的方差为 0.00415
残差(单位水平)方差为 0.00778
我是新来的,我试过 运行 lmer 模型:
lmer = lmer(RI ~ SET + LOG_VP + (1|API) + (1|ODOUR), data = a)
有人可以帮我解释输出吗?
Linear mixed model fit by REML ['lmerMod']
Formula: RI ~ SET + LOG_VP + (1 | API) + (1 | ODOUR)
Data: a
REML criterion at convergence: -349.9
Scaled residuals:
Min 1Q Median 3Q Max
-2.6167 -0.4719 -0.0357 0.5053 8.4850
Random effects:
Groups Name Variance Std.Dev.
API (Intercept) 0.01431 0.11964
ODOUR (Intercept) 0.00415 0.06442
Residual 0.00778 0.08820
Number of obs: 238, groups: API, 34; ODOUR, 14
Fixed effects:
Estimate Std. Error t value
(Intercept) 0.15716 0.08792 1.787
SET 0.08180 0.05490 1.490
LOG_VP 0.03527 0.01968 1.792
Correlation of Fixed Effects:
(Intr) SET
SET -0.950
LOG_VP 0.083 -0.049
谢谢!
这取决于你的研究问题是什么,但是
两个固定效应均为零时的响应是 0.15716
的 0.08180 变化相关联SET
的 1 个单位变化与RI
的 0.03527 变化相关联LOG_VP
的 1 个单位变化与RI
API
水平的方差为 0.01431ODOUR
水平的方差为 0.00415残差(单位水平)方差为 0.00778