Lo que la interpretación de los parámetros de un modelo lineal generalizado con efecto de codificación?

Question

library(lme4)
    out <- glmer(cbind(incidence, size - incidence)
                 ~ period
                 + (1 | herd),
                 data = cbpp,
                 family = binomial,
                 contrasts = list(period = "contr.sum"))

summary(out)
Fixed effects:
            Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.32337    0.22129 -10.499  < 2e-16 ***
period1      0.92498    0.18330   5.046 4.51e-07 ***
period2     -0.06698    0.22845  -0.293    0.769
period3     -0.20326    0.24193  -0.840    0.401

Yo nunca estuve en una situación en la que necesitaba para ajustar un modelo lineal generalizado con efecto de codificación (contr.sum para R usuarios). Puedo aplicar la misma interpretación como en el modelo lineal? En el modelo lineal de la intersección que sería el gran media y el $\beta$s (parámetros de period1, period2, period3 y period4 = (Intercept) - period1 - period2 - period3 los efectos es decir, cómo los niveles de los factores se apartan de la gran media.

Aquí es cómo creo el análoga interpretación lineal generalizado de los modelos de va. (Voy a exponentiate todos los parámetros y, por tanto, transformar la log-odds (cocientes) a las probabilidades (cocientes).) La intersección $\exp((\text{Intercept}))$ sería entonces el general probabilidades de éxito vs fracaso (pega aquí al clásico binomio terminología) y el $\beta$s de la log-odds-ratios. Y obtenemos las probabilidades , por ejemplo, period1 mediante la adición de $\text{(Intercept)}+\text{period1}$ y, a continuación, exponentiating: $\exp(\text{(Intercept)}+\text{period1})$. Es el $\text{(Intercept)}$ realmente el general/medio de probabilidades y la $\beta$s odds-ratios?

Answer 1

Bajo el efecto de codificación, el intercepto en el resumen de la tabla de resumen(out) es el promedio logit (log-odds o el logaritmo de los odds ratio) a través de los cuatro periodos en su caso, y cada uno de los otros efectos es el logit diferencia del período correspondiente en relación a la media logit.

Usted puede comprobar fácilmente su interpretación mediante la comparación de los resultados actuales a un diferente método de codificación, tales como piezas de codificación de los datos:

out2 <- glmer(cbind(incidence, size - incidence)
                 ~ period
                 + (1 | herd),
                 data = cbpp,
                 family = binomial,
                 contrasts = list(period = "contr.treatment"))

summary(out2)