を使用してパラメータを含んガイド:は、すべてのp値は、私はコマンドを使用してRでglmmLassoを用いた混合モデルを適合していますglmmLasso
glmmLasso(fix = Activity ~ Novelty + Valence + ROI + Novelty:Valence +
Novelty:ROI + Valence:ROI + Novelty:Valence:ROI, rnd = list(Subject = ~1),
data = KNov, lambda = 195, switch.NR = F, final.re = TRUE)
あなたのデータの意味を与えるために、head(KNov)
の出力は次のようになります。
Subject Activity ROI Novelty Valence Side STAIt
1 202 -0.4312944 H N E L -0.2993321
2 202 -0.6742497 H N N L -0.2993321
3 202 -1.0914216 H R E L -0.2993321
4 202 -0.6296091 H R N L -0.2993321
5 202 -0.6023507 H N E R -0.2993321
6 202 -1.1554196 H N N R -0.2993321
(I被験体がカテゴリ変数として読み取る有することKNov$Subject <- factor(KNov$Subject)
を使用)
活動が、脳活動の指標であり、新規性及び価数categあります応答を引き出すために使用される刺激のタイプをコーディングする口述変数およびROIは、この活動をサンプリングした脳の3つの領域を符号化するカテゴリ変数である。被験者は、データをサンプリングした個体のID番号である(n = 94)。
glmmLassoの出力は次のとおりです。
Fixed Effects:
Coefficients:
Estimate StdErr z.value p.value
(Intercept) 0.232193 0.066398 3.4970 0.0004705 ***
NoveltyR -0.190878 0.042333 -4.5089 6.516e-06 ***
ValenceN -0.164214 NA NA NA
ROIB 0.000000 NA NA NA
ROIH 0.000000 NA NA NA
NoveltyR:ValenceN 0.064523 0.077290 0.8348 0.4038189
NoveltyR:ROIB 0.000000 NA NA NA
NoveltyR:ROIH 0.000000 NA NA NA
ValenceN:ROIB -0.424670 0.069561 -6.1050 1.028e-09 ***
ValenceN:ROIH 0.000000 NA NA NA
NoveltyR:ValenceN:ROIB 0.000000 NA NA NA
NoveltyR:ValenceN:ROIH 0.000000 NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Random Effects:
StdDev:
Subject
Subject 0.6069078
私は原子価の影響のためのp値を取得したいと思います。私が最初に考えたのは、価値のp値は重要ではなく、重要なValenceR:ROIB相互作用の一部であるためモデルにのみ含まれていたため含まれていなかったが、NoveltyR:ValenceNも重要ではないがそのためにp値が与えられる。この分析は紙のために使用されるので、重要ではないが、p> 0.05ではなく実際のp値を報告することを好む。
これを変数、おそらくmyLassoに保存します。 'mySummary < - summary(myLasso)'を試してください。それから 'str(mySummary)'。あなたはおそらく私のサマリーから結果を引き出すことができます。 – lmo
@Imo要約でNAと表示されるパラメータは、str(mysummary、vec.len = 50)の出力にNAとしても表示されます。 – xralphyx
データセットにはすべての組み合わせが含まれているとは限りません。例えば、データは、Valence = NおよびROI = Hの場合がない可能性があります。 – Dave2e