如何用二次项解释 R 的 glmer() 的输出

Question

我想使用二次项来拟合我的一般线性混合模型，使用lme4包将id作为随机效应。这是关于到定居点的距离如何影响动物出现的概率。我使用以下代码(我希望它是正确的(：

glmer_dissettl <- glmer(case ~ poly(dist_settlements,2) + (1|id), data=rsf.data, family=binomial(link="logit"))
summary(glmer_dissettl) 

我得到以下输出：

Generalized linear mixed model fit by maximum likelihood (Laplace
Approximation) [glmerMod]
Family: binomial  ( logit )
Formula: case ~ poly(dist_settlements, 2) + (1 | id)
Data: rsf.data
AIC      BIC   logLik deviance df.resid 
6179.2   6205.0  -3085.6   6171.2     4654 
Scaled residuals: 
Min       1Q   Median       3Q      Max 
-3.14647 -0.90518 -0.04614  0.94833  1.66806 
Random effects:
Groups Name        Variance Std.Dev.
id     (Intercept) 0.02319  0.1523  
Number of obs: 4658, groups:  id, 18
Fixed effects:
Estimate Std. Error z value Pr(>|z|)    
(Intercept)                 0.02684    0.04905   0.547    0.584    
poly(dist_settlements, 2)1 37.94959    2.41440  15.718   <2e-16 ***
poly(dist_settlements, 2)2 -1.28536    2.28040  -0.564    0.573    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr) p(_,2)1
ply(ds_,2)1 0.083         
ply(ds_,2)2 0.067  0.150  

我不知道该如何解释，尤其是poly的两行(distrongettlements，2(。除了理解，我还想看看二次项是否使模型比没有二次项的基本模型更好

没有二次项的基本模型的输出：

Generalized linear mixed model fit by maximum likelihood
(Laplace Approximation) [glmerMod]
Family: binomial  ( logit )
Formula: case ~ scale(dist_settlements) + (1 | id)
Data: rsf.data
AIC      BIC   logLik deviance df.resid 
6177.5   6196.9  -3085.8   6171.5     4655 
Scaled residuals: 
Min      1Q  Median      3Q     Max 
-3.6009 -0.8998 -0.0620  0.9539  1.6417 
Random effects:
Groups Name        Variance Std.Dev.
id     (Intercept) 0.02403  0.155   
Number of obs: 4658, groups:  id, 18
Fixed effects:
Estimate Std. Error z value Pr(>|z|)
(Intercept)              0.02873    0.04945   0.581    0.561
scale(dist_settlements)  0.55936    0.03538  15.810   <2e-16

(Intercept)                
scale(dist_settlements) ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Correlation of Fixed Effects:
(Intr)
scl(dst_st) 0.077 

我感谢每一个提示。

Answer 1

几个点。

非线性模型项的系数没有直接的解释，您应该绘制效果图，以便能够传达分析结果。您可以使用GLMMadaptive软件包中的effectPlotData()来执行此操作。有关详细信息，请参阅本页

为了能够评估包括dist_settlements的二次效应是否能提高模型拟合，你应该拟合一个没有平方项的模型(即只有dist_settlements的线性效应(和一个有的平方项的模型。然后进行似然比检验，以评估包含复杂项是否提高了模型拟合度。在LMM的情况下，确保使用最大似然来拟合这两个模型，而不是REML。对于GLMM，你不必担心(RE(ML

随机截距的方差非常接近0，这可能需要您注意。关于这个主题的更多信息，请参阅这个答案和Ben Bolker的github的这一部分

您可能想看看Dimitris Rizopoulos的这一精彩系列讲座，了解有关(G(LMM的更多信息。