1

我正在尝试使用 GAMM 获取两组个人的季节性趋势。我进行了两次分析,改变了解释变量的水平顺序,以获得每个水平的季节性趋势图。
然而,我对这两个 GAMM 的输出感到惊讶,因为它们根据解释变量的水平顺序而变化。我预计结果会是相同的,因为这两种情况下的数据和模型都是相同的。但是,正如您在下面看到的,结果会因所研究数据的推断而异。

我的数据库包含下一个变量:
物种:4 级人口:20 级
Reproductive_State:2 级
Survival_probability:范围 [0-1]
年月
两周
:从 1 到 26(在分析中称为季节性)

我试图获得“物种的常见季节性生存”的描述性估计和绘图,以检查变量生殖状态的两个水平之间是否存在差异。

为了检查它,我执行了:

# Specify the contrast: Reproductive group
data$Reproductive_Group <- as.factor (data$Reproductive_State)
data$Reproductive_Group <- as.ordered(data$Reproductive_Group )
contrasts(data$Reproductive_Group )<-'contr.treatment'

model_1 <- gam (Survival_probability ~ Reproductive_Group + s(Seasonality) + s(Seasonality, by=Reproductive_Group ), random=list(Species=~1, Population=~1), family=quasibinomial, data=data)

稍后我更改级别的顺序Reproductive_Group并执行相同的分析:

data$Reproductive_Group <- factor (data$Reproductive_Group , levels=c("phiNB", "phiB"))
levels (data$Reproductive_Group )

model_2 <- gam (Survival_probability ~ Reproductive_Group + s(Seasonality) + s(Seasonality, by=Reproductive_Group ), random=list(Species=~1, Population=~1), family=quasibinomial, data=data)

在第一个模型中,输出为:

Formula:
Survival_probability ~ +s(Seasonality) + s(Seasonality, by = Rep_Group)

Parametric coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.83569    0.01202   152.8   <2e-16 ***

Approximate significance of smooth terms:
                                edf Ref.df     F p-value   
s(Seasonality)                3.201  3.963 2.430 0.05046 . 
s(Seasonality):Rep_GroupphiNB 5.824  6.956 2.682 0.00991 **

而第二个模型的输出是:

Formula:
Survival_probability ~ +s(Seasonality) + s(Seasonality, by = Rep_Group)

Parametric coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.83554    0.01205   152.4   <2e-16 ***

Approximate significance of smooth terms:
                               edf Ref.df     F  p-value    
s(Seasonality)               5.927  7.061 6.156 3.66e-07 ***
s(Seasonality):Rep_GroupphiB 3.218  3.981 1.029    0.411   

此外,我附上了两个模型的图:
Group_B_as_second_level
Group_B_as_second_level Group_NB_as_second_level
Group_NB_as_second_level

我认为这两种分析的季节性图应该是相同的,只要它完全代表季节性。但是,如果季节性反映了另一个级别的季节性趋势,则第一张图片的情节 1 应该与第二张图片的情节 2 匹配,反之亦然,他们不这样做。

需要注意的是,我遵循了时间序列数据概览 GAMM 分析来编写公式并检查两种生殖状态下季节性趋势的差异。

你知道为什么我用这两个模型得到不同的结果吗?

4

0 回答 0