0

我们目前正在研究植物物候学。

我们为研究区域中存在的每个物种组（A Vs B）建立了一个线性混合模型。

我们将平均物候设置为响应变量（每个小区的平均物候状态（每个地方有 3 个）是通过将 12 个子小区的平均物候状态划分为每个小区来计算的。从 1 到 6，数字越大更高级的周期）而融雪天数（从融雪到夏季访问日的天数总和）是自变量。嵌套在该地区内的年份和地块被设置为随机因素。

模型建立和修改后，我们希望预测每个物种组（A vs B）沿生长季节的平均物候阶段，我们将其分为 10 个 DFSM 值（10、20、30、50、60、70、80 ,90,100)。即，我们要预测每个 DFSM 值 (10-100) 的平均物候状态

我们通过以下步骤做到了这一点：

predict(M1ponderat,newdata=data.frame(DFSM=c(10,20,30,40,50,60,70,80,90,100)), re.form=~0)

predFunCong <- function(M1ponderat) {
  predict(M1ponderat,newdata=data.frame(DFSM=c(10,20,30,40,50,60,70,80,90,100)), re.form=~0)
}


bbCong <- bootMer(M1ponderat,nsim=1000,FUN=predFunCong, use.u = FALSE)
predCong <- bbCong$t

quantile(predCong[,1], c(0.05,0.50,0.95))
quantile(predCong[,2], c(0.05,0.50,0.95))
quantile(predCong[,3], c(0.05,0.50,0.95))
quantile(predCong[,4], c(0.05,0.50,0.95))
quantile(predCong[,5], c(0.05,0.50,0.95))
quantile(predCong[,6], c(0.05,0.50,0.95))
quantile(predCong[,7], c(0.05,0.50,0.95))
quantile(predCong[,8], c(0.05,0.50,0.95))
quantile(predCong[,9], c(0.05,0.50,0.95))
quantile(predCong[,10], c(0.05,0.50,0.95))

现在的问题是，如何在同一 DFSM 级别测试每个组的预测之间的统计差异？（即，10 DFSM 的 A 组VS 10 DFSM的 B 组，... 20 DFSM的 A 组VS 20 DFSM的 B 组，... 30 DFSM 的 A 组VS 30 DFSM的 B 组 ...nDFSM）

我尝试rnorm()设置为每个组和每个 DFSM 级别获得的平均值，这样我可以获得一个不错的数据表示，然后运行一个简单ANOVA的比较平均值。但问题在于，相同 DFSM 水平预测的组之间的差异总是显着的。原因是我认为组内的差异很小，因为我获得平均值的方式，它总是会显示 A 组和 B 组之间的差异。

欢迎任何建议。太感谢了。

4

0 回答 0