1

我有一个数据集，我使用来自 41 个人的 10 个估计器来估计家庭范围大小。我想测试这些估计量是否彼此显着不同，因此我使用 nlme 拟合线性混合效应模型，如下所示：

mod3fML1b<-lme(size~band*nobsS+Sex,random=~1|snake,data=HR.compare,weights=vf6,method='REML')

Size 是家庭范围大小（对数进行转换以满足正态性假设），band 是代表我的 10 个估计量的 10 个级别的因子，nobsS 是采样强度的度量（按采样天数标准化的各个位置的数量），Sex 是男性/female，而snake是我个人的随机效果。总结输出如下：

> summary(mod3fML1b)$tTable
                              Value  Std.Error  DF     t-value      p-value
(Intercept)             4.099809927 0.24824427 351 16.51522508 9.632758e-46
bandBPIdiagonal        -0.344448847 0.05724340 351 -6.01726718 4.462854e-09
bandBPIfull            -0.303881612 0.05593369 351 -5.43289002 1.038615e-07
bandHREFdiagonal       -0.053639559 0.06749969 351 -0.79466377 4.273461e-01
bandHREFfull           -0.131436107 0.06471844 351 -2.03089130 4.301931e-02
bandLCVdiagonal        -0.186017321 0.11520159 351 -1.61471137 1.072717e-01
bandLCVfull            -0.186017321 0.11520176 351 -1.61470908 1.072722e-01
bandLCVsingle          -0.181687618 0.11940300 351 -1.52163366 1.290012e-01
bandSCVdiagonal        -0.163761675 0.05816320 351 -2.81555466 5.144255e-03
bandSCVfull            -0.120439828 0.05720672 351 -2.10534398 3.597148e-02
nobsS                   0.406335759 1.16315897  38  0.34933811 7.287640e-01
SexMale                 1.457327832 0.23373517  38  6.23495313 2.711438e-07
bandBPIdiagonal:nobsS  -0.415077222 0.24845863 351 -1.67060896 9.569032e-02
bandBPIfull:nobsS      -0.442855108 0.24277399 351 -1.82414559 6.898016e-02
bandHREFdiagonal:nobsS -0.143832274 0.29297492 351 -0.49093716 6.237777e-01
bandHREFfull:nobsS     -0.007949556 0.28090319 351 -0.02829999 9.774390e-01
bandLCVdiagonal:nobsS  -2.072417895 0.50001973 351 -4.14467228 4.270077e-05
bandLCVfull:nobsS      -2.072417895 0.50002044 351 -4.14466640 4.270182e-05
bandLCVsingle:nobsS    -2.171179830 0.51825545 351 -4.18940086 3.542319e-05
bandSCVdiagonal:nobsS  -0.745834058 0.25245092 351 -2.95437248 3.344486e-03
bandSCVfull:nobsS      -0.766847848 0.24829943 351 -3.08839960 2.172757e-03

p 值表明几个水平与参考水平显着不同，并且模式与我根据原始数据预期的一致。但是，我想显示具有 95% 置信区间（不是预测区间）的平均对数（家庭范围大小），以比较不同估计器之间的效果大小。为此，我使用 predict.lme 函数和 SE 使用来自先前 R 线程的代码计算了预测值： https ://stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003320.html 但是，我的 95% CI 广泛重叠，比我根据我的 lme 模型的 p 值预期的要多得多。我复制了我获得的值，这些值显示了 95% CI 的广泛重叠：

data<-data.frame(band=c('BPId','BPIf','REFs','REFd','REFf','LCVs','LCVd','LCVf','SCVd','SCVF'),
             log.mean.size=c(4.99,5.03,5.41,5.33,5.28,4.88,4.89,4.89,5.13,5.17),
             lci=c(4.62,4.65,5.03,4.95,4.90,4.90,4.50,4.50,4.75,4.79),
             uci=c(5.38,5.41,5.79,5.71,5.66,5.28,5.29,5.29,5.51,5.54))

有没有人建议为什么 p 值在估计水平之间显示出显着差异但 CI 重叠？我很抱歉没有提供任何数据，但如果有帮助，我很乐意通过电子邮件发送我的原始数据和完整代码的副本。

谢谢，JBauder

4

0 回答 0