2

我有大量的多元丰度数据，并且我有兴趣将适合三个分类预测变量的不同组合的多个模型与我的物种矩阵响应变量进行比较。我一直在使用 anova() 来比较我的不同模型，但我很难解释输出。下面，我给出了我的代码以及相应的 R 输出。

invert.mvabund <- mvabund(mva.dat)
null<-manyglm(mva.dat~1, family='negative.binomial')
m1 <- manyglm(mva.dat~Habitat+Detritus, family='negative.binomial')
m2 <- manyglm(mva.dat~Habitat*Detritus, family='negative.binomial')
m3 <- manyglm(mva.dat~Habitat*Detritus+Block, family='negative.binomial')
anova(null,m1,m2,m3)

Analysis of Deviance Table

null: mva.dat ~ 1
m1: mva.dat ~ Habitat + Detritus
m2: mva.dat ~ Habitat * Detritus 
m3: mva.dat ~ Habitat * Detritus + Block

Multivariate test:
     Res.Df Df.diff   Dev Pr(>Dev)       
null     99                           
m1       94       5 257.2    0.001 ***
m2       90       4  87.7    0.003 ** 
m3       81       9 173.5    0.003 ** 
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我如何解释这些结果？m2 是否是最佳拟合模型，因为它具有最低的偏差，即使它的 p 值高于 m1？这是因为 p 值表明存在显着偏差，因此最优模型将具有更高的 p 值？任何有关如何解释这些结果的建议都将不胜感激 - 我无法在我的谷歌搜索中找到明确的答案。谢谢！

4

0 回答 0