Bonjour,
J'utilise la fonction lstrends du package lsmeans pour estimer et comparer les pentes de régressions décrivant l'effet d'une variable X sur une variable Y selon différents niveaux d'un facteur. lstrends permet en effet d'estimer les pentes de régression pour chaque niveau dont est composé un facteur. Par exemple, si je cherche à déterminer l'effet de la température de l'air sur la température corporelle d'un individu en fonction de 3 types de vêtements différents, lstrends va me renvoyer une pente de régression pour chaque type de vêtement (ceci n'est qu'un exemple..)
Voici mon modèle:
Je ne pense pas avoir besoin de rentrer dans les détails du modèle.
Code : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3 > a=read.table("CompilByDay.txt",h=T) > a$annee=as.factor(a$annee) > mod3=lm(dTrgAIR~mois + TairMA + annee + mois:TairMA + TairMA:annee, data=a)
Voici ce que me renvoie lstrends:
Voici ma question: J'aimerais être sûr de bien comprendre à quoi correspond la variable "SE" renvoyée par lstrends. S'il s'agit de l'erreur standard de l'estimateur de la pente, que décrit-elle exactement? L'intervalle autour de la valeur de la pente qui peut contenir la "vraie" valeur de la pente? J'aimerais formuler ça correctement. Merci d'avance pour votre aide!
Code : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17 > pente=lstrends( mod3, ~ mois|annee, var="TairMA") > print(summary( pente, infer=TRUE, lev=0.95)) annee = 2012: mois TairMA.trend SE df lower.CL upper.CL t.ratio p.value August 7.392047 1.251016 13330 4.939878 9.844215 5.909 <.0001 July 4.538145 1.197423 13330 2.191027 6.885264 3.790 0.0002 June 11.349002 1.355818 13330 8.691405 14.006598 8.371 <.0001 September 29.825493 1.834660 13330 26.229300 33.421687 16.257 <.0001 annee = 2013: mois TairMA.trend SE df lower.CL upper.CL t.ratio p.value August 8.450824 1.182070 13330 6.133799 10.767849 7.149 <.0001 July 5.596922 1.026887 13330 3.584078 7.609766 5.450 <.0001 June 12.407778 1.439816 13330 9.585535 15.230022 8.618 <.0001 September 30.884270 1.792472 13330 27.370771 34.397769 17.230 <.0001 Confidence level used: 0.95
Partager