r - 如何解释零膨胀负二项式模型的输出?
问题描述
我正在使用零膨胀负二项式模型来分析丰度。它运行良好,但我不确定如何解释输出。
我知道当它变成截距时会丢失一个变量,但是输出中会丢失多个变量——这在 ZINB 输出的其他示例中很常见,但我不确定如何解释结果。例如,对于那里的环境也有沿海 - 那么这是否意味着河口和珊瑚礁的重要性和梯度只是与缺失的沿海而不是截距进行比较?丢失的沉积物类型也一样..
请帮忙!
'''
>summary(Nb1A)
Call:
zeroinfl(formula = f1A, data = Ultimate_SC_R_2, dist = "negbin", link = "logit")
Pearson residuals:
Min 1Q Median 3Q Max
-0.6105 -0.3590 -0.2789 -0.2066 5.9794
Count model coefficients (negbin with log link):
Estimate Std. Error z value Pr(>|z|)
(Intercept) 6.40935 1.19121 5.381 7.43e-08 ***
Habitat10unvegetated -2.01656 0.86634 -2.328 0.019929 *
TotalSeagrass 0.06577 0.01858 3.539 0.000402 ***
Av.Canopy -0.04940 0.04500 -1.098 0.272296
Sediment.catmud -5.25152 1.59195 -3.299 0.000971 ***
Sediment.catrubble -7.03175 1.06278 -6.616 3.68e-11 ***
Sediment.catsand -6.74054 0.99965 -6.743 1.55e-11 ***
EnvironmentEstuarine -2.65911 0.62553 -4.251 2.13e-05 ***
EnvironmentReef 1.26003 0.69237 1.820 0.068777 .
Log(theta) -0.88169 0.26765 -3.294 0.000987 ***
Zero-inflation model coefficients (binomial with logit link):
Estimate Std. Error z value Pr(>|z|)
(Intercept) -10.772 146.400 -0.074 0.941
EnvironmentEstuarine -1.433 231.085 -0.006 0.995
EnvironmentReef 11.210 146.399 0.077 0.939
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Theta = 0.4141
Number of iterations in BFGS optimization: 28
Log-likelihood: -198.1 on 13 Df
'''
解决方案
推荐阅读
- python - Python:计算年份的逻辑错误(闰)
- arrays - 在数组中渲染图像
- kubernetes - 污染 Kubernetes 实时集群中的节点
- node.js - 如何在我的去中心化应用程序中安装 web3 工作版本
- amazon-web-services - 我可以向 Amazon Cognito 中的用户发送电子邮件吗?
- bash - 在目录中具有特定文件夹名称的所有文件上查找并执行命令
- python - Python:计算数据框中列的减法
- python-3.x - 如何在 BeautifulSoup 创建的列表中提取特定文本
- c++ - 将数字转换为单词
- css - CSS Grid 是否在底层使用了常规 CSS?