0

我正在寻找有关正确模型符号的建议，以测试我的数据中性别之间的差异。我的目标是确定我是否需要将我的数据拆分为 M 和 F，或者我是否可以将我的数据合并（我希望由于样本量我能够保持合并）。

我正在使用 R 中的 glmmTMB 包进行资源选择函数分析，我的计划是运行 1 个具有随机截距和斜率的模型，没有性别，然后将此模型与基本相同但包含性别作为交互项的模型进行比较。我会比较AIC以确定最受支持的模型（即如果支持有性别的模型，那么我会将我的数据分成M和F并分别分析。如果支持没有性别的模型，那么我将保持组合）。

我正在遵循 Muff 等人在补充材料中提供的代码。2019（型号 M4）：https ://conservancy.umn.edu/bitstream/handle/11299/204737/Goats_RSF.html?sequence=21&isAllowed=y

例如：我没有性别的模型如下所示： glmmTMB(Used_and_Available_Locations ~ Urbanization + (1|AnimalID) + (0 + Urbanization|AnimalID), family = binomial(),...)

我的性模型让我感到困惑......当有交互时，我如何将性解释为随机效应？我不应该将性视为随机效应吗？

glmmTMB(Used_and_Available_Locations ~ Sex + Sex*Urbanization + Urbanization + (1|AnimalID) + (0 + Urbanization|AnimalID), family = binomial(),...)

4

1 回答 1

0

我的目标是确定我是否需要将我的数据拆分为 M 和 F，或者我是否可以将我的数据合并（我希望由于样本量我能够保持合并）。

我从来没有遇到过这样一种情况，在这种情况下，按照这些方式拆分数据是个好主意。它导致统计能力的大量损失，并且没有提供任何好处。

当预测变量的“影响”因另一个预测变量的水平而异时，例如Urbanization在您的模型中对女性的影响与对男性的影响不同，交互项将揭示这一点，而不会损失任何统计能力。拟合交互时要注意的主要事项是，所涉及的变量的主要影响都取决于另一个变量为零（或者在分类变量（例如性别）的情况下处于参考水平）

我的性模型让我感到困惑......当有交互时，我如何将性解释为随机效应？我不应该将性视为随机效应吗？

性永远不会是随机效应。它作为随机截距没有意义，因为它只有 2 个级别（并且由于任何其他原因不能真正被视为随机因素），并且由于它在个体之间没有变化，因此它没有意义也是一个随机斜率。

于 2021-10-14T17:27:11.107 回答