1

我正在做一项行为研究，我想看看一个物种在三个时期之间是否表现出与预期显着不同的反应。该物种有 47 次独立观察，每次有 3 个时段，总观察时间为 8.6 分钟。第一节为 3 分钟，第二节为 0.6 分钟，第三节为 5 分钟。在每个时期，动物可以做出积极或消极的反应。在第一阶段，有两个积极的回应（在 47 个观察中；45 个消极），在第二阶段，47 个回应中有 13 个是积极的，在第三阶段，47 个回应中有 14 个是积极的。

因此，我正在尝试运行卡方检验，在其中调整零假设中的概率以纠正时段之间的时间差异，但我认为我做的不正确。 

data<-c(2,13,14)
null.probs<-c(3/8.6, 0.6/8.6, 5/8.6)
chi<-chisq.test(data, p=null.probs)

我相当肯定，在这种情况下，我对这些预期值的零假设是不正确的，但我不确定如何正确调整它。

4

1 回答 1

6

如果您运行glm带有“泊松”错误的拟合，您会得到一个分布为卡方的偏差统计量。您可以将计数用作结果并添加一个偏移项，log(time)该项将针对不同的观察长度进行调整。

> counts<-c(2, 13, 14)
> times<-c(3, 0.6, 5)
> glm(counts ~ letters[1:3] +offset( log(times)), family="poisson")

Call:  glm(formula = counts ~ letters[1:3] + offset(log(times)), family = "poisson")

Coefficients:
  (Intercept)  letters[1:3]b  letters[1:3]c  
      -0.4055         3.4812         1.4351  

Degrees of Freedom: 2 Total (i.e. Null);  0 Residual
Null Deviance:      36.68 
Residual Deviance: 1.776e-15    AIC: 17.52 

Degrees of Freedom: 2 Total (i.e. Null);  0 Residual
Null Deviance:      36.68 
Residual Deviance: 1.776e-15    AIC: 17.52

您已经完全拟合了一个可能只有两个自由度的模型。因此，精确拟合显然可以解释所有数据。您用于推理的是日志（计数）与泊松均值的偏差总和。（如果任何计数为零，则会出现可预测的问题。）

于 2012-08-31T04:51:24.280 回答