Apa yang dilaporkan oleh lsmeans untuk model linier umum, seperti model campuran Poisson (cocok dengan glmer)?

Saya menganalisis data pelacakan mata dari percobaan yang dirancang. Versi sederhana dari data saya terlihat seperti ini (Anda bisa mendapatkan data dput () di sini ),

head(lookDATA)

  participant fixationImage fixationCount
1           9    Automobile            81
2           9          Bird            63
3           9         Chair            82
4           9           Dog            64
5           9          Face            90
6           9         Plant            75

di mana peserta adalah pengidentifikasi unik untuk setiap subjek, fixationImage adalah kategori gambar yang mereka fiksasi, dan fixationCount adalah berapa kali mereka terpaku pada kategori gambar itu.

Saya memasukkan model poisson ke data menggunakan glmer () dari paket lme4 .

model<-glmer(fixationCount ~ fixationImage + (1|participant), family = poisson, data = lookDATA)

Saya menggunakan lsmeans () dari paket lsmeans untuk memeriksa perbedaan di antara tingkat faktor,

cld(lsmeans(model,"fixationImage"))

yang menyediakan output berikut:

fixationImage   lsmean         SE df asymp.LCL asymp.UCL .group
Chair         3.786022 0.05764923 NA  3.673018  3.899026  1    
Bird          3.866201 0.05750641 NA  3.753476  3.978925   2   
Dog           3.868768 0.05751010 NA  3.756037  3.981500   2   
Body          3.883644 0.06040952 NA  3.765230  4.002059   23  
Plant         3.893327 0.05746744 NA  3.780679  4.005975   23  
Automobile    3.901939 0.05745528 NA  3.789315  4.014563   23  
Face          3.946848 0.05832549 NA  3.832519  4.061178    3 

Menurut pemahaman saya (mungkin terbatas) tentang sketsa menggunakan lsmeans , kolom lsmean harus mewakili jumlah rata-rata penampilan pada kategori tertentu yang diprediksi oleh model.

Namun, nilai-nilai ini tampaknya jauh dari statistik deskriptif sederhana untuk angka-angka ini,

summaryBy(fixationCount ~ fixationImage, data = lookDATA)

  fixationImage fixationCount.mean
1    Automobile           55.18750
2          Bird           53.25000
3          Body           57.12821
4         Chair           50.39450
5           Dog           53.82883
6          Face           56.76389
7         Plant           54.71429

menyarankan mungkin bahwa saya tidak mengerti dengan benar apa yang diwakilkan oleh lsmeans di sini, atau mungkin bahwa saya telah salah menentukan model.

Setiap bantuan akan sangat dihargai.

Output mewakili prediksi dari model Anda untuk setiap gambar. Dengan famili racun, fungsi tautan default adalah log natural - sehingga nilai-nilai tersebut berada pada skala log. Jika Anda melakukannya lsmeans(..., type = "response"), itu akan mengubah prediksi ke skala respons awal.