1

我很困惑为什么 lmerTest 中处理步骤（模型）的结果异常。

m0 <- lmer(seed ~ connection*age + (1|unit), data = test)

step(m0)

注意：“连接”和“年龄”都已设置as.factor()

 Random effects:
      Chi.sq Chi.DF elim.num p.value
 unit   0.25      1        1  0.6194

 Fixed effects:
 Analysis of Variance Table

 Response: y
                Df  Sum Sq  Mean Sq F value  Pr(>F)  
 connection      1 0.01746 0.017457  1.5214 0.22142  
 age             1 0.07664 0.076643  6.6794 0.01178 *
 connection:age  1 0.04397 0.043967  3.8317 0.05417 .
 Residuals      72 0.82617 0.011475                  
 ---
 Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Least squares means:
      Estimate Standard Error DF t-value Lower CI Upper CI p-value

 Final model:

 Call:
 lm(formula = fo, data = mm, contrasts = l.lmerTest.private.contrast)

 Coefficients:
      (Intercept)       connectionD              ageB  connectionD:ageB  
         -0.84868          -0.07852           0.01281           0.09634

为什么它没有显示最终模型？

4

1 回答 1

1

这里的问题是，根据 LR 测试，随机效应被消除为 NS。然后是固定效应模型的 anova 方法，应用“lm”对象，没有消除 NS 固定效应。没错，输出与“lmer”对象不同，并且没有（差异）最小二乘均值。如果你想得到后者，你可以试试 lsmeans 包。为了向后消除最终模型的 NS 效应，您可以使用 stats::step 函数。

于 2014-11-23T20:06:38.610 回答