lsmeansは、ポアソン混合モデル（glmerに適合）などの一般化線形モデルについて何を報告しますか？

私は計画された実験からの視線追跡データを分析しています。私のデータの簡略版は次のようになります（ここで dput（）データを取得できます）、

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

ここで、参加者は各サブジェクトの一意の識別子、fixationImageは固定した画像カテゴリ、fixationCountはその画像カテゴリに固定した回数です。

lme4パッケージの glmer（）を使用して、ポアソンモデルをデータに適合させます。

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

lsmeansパッケージの lsmeans（）を使用して、因子レベル間の違いを調べました。

cld(lsmeans(model,"fixationImage"))

次の出力を提供します。

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 

lsmeansビネットの使用に関する私の（おそらく限られた）理解によると、lsmean列は、モデルによって予測された特定のカテゴリへのルックの平均数を表す必要があります。

ただし、これらの値は、これらの数値の単純な記述統計とは違和感があるようです。

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

ここでlsmeansが何を表しているのかを正しく理解していないか、モデルを誤って指定している可能性があります。

どんな援助もいただければ幸いです。

出力は、各画像のモデルからの予測を表します。ポイズンファミリの場合、デフォルトのリンク関数は自然対数です。したがって、これらの値は対数スケールにあります。実行するとlsmeans(..., type = "response")、予測が元の応答スケールに逆変換されます。