¿Qué informa lsmeans para un modelo lineal generalizado, como el modelo mixto de Poisson (ajuste con glmer)?

Estoy analizando los datos de seguimiento ocular de un experimento diseñado. Una versión simplificada de mis datos se ve así (puede obtener los datos dput () aquí ),

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

donde el participante es un identificador único para cada sujeto, fixationImage es en qué categoría de imagen se fijó, y fixationCount es la cantidad de veces que se fijó en esa categoría de imagen.

Ajusté un modelo de Poisson a los datos usando glmer () del paquete lme4 .

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

Usé lsmeans () del paquete lsmeans para examinar las diferencias entre los niveles de factores,

cld(lsmeans(model,"fixationImage"))

que proporciona el siguiente resultado:

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 

Según mi comprensión (quizás limitada) del uso de la viñeta lsmeans, la columna lsmean debería representar el número promedio de miradas a una categoría dada predicha por el modelo.

Sin embargo, estos valores parecen incómodamente lejos de simples estadísticas descriptivas para estos números,

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

sugiriendo quizás que no entiendo correctamente lo que representan los lsmeans aquí, o quizás que he especificado mal el modelo.

Cualquier ayuda sería muy apreciada.

La salida representa predicciones de su modelo para cada imagen. Con la familia del veneno, la función de enlace predeterminada es el registro natural, por lo que esos valores están en la escala de registro. Si lo hace lsmeans(..., type = "response"), transformará las predicciones a la escala de respuesta original.