0

我有一个 glm,我想调整使用 lsmeans 的方法。以下代码使模型(并且似乎正确执行):

library(lmerTest)
data$group <- as.factor(data$grp)
data$site <- as.factor(data$site)
data$stimulus <- as.factor(data$stimulus)

data.acc1 = glmer(accuracy ~ site + grp*stimulus + (1|ID), data=data, family=binomial)

但是,当我尝试使用以下任何代码来调整模型的方法时,我会收到错误消息

lsmeansLT(model, test.effs = test.effs, ddf = ddf) 中的错误:
该模型不是线性混合效应模型。

lsmeans(data.acc1, "stimulus")

或者

data.lsm <- lsmeans(data.acc1, accuracy ~ stimulus ~ grp)
pairs(data.lsm)

有什么建议吗?

4

1 回答 1

1

问题是您使用glmer()(在本例中为混合逻辑回归模型)创建了一个广义线性混合模型,而不是使用lmer(). 该lsmeans()函数不接受由创建的对象,glmer()因为它们不是线性混合模型。

这篇文章中的答案可能会有所帮助:我无法在 glmer 中获得 lsmeans 输出

如果您想了解/计算混合 GLM 的边际效应,这篇文章可能会很有用:Is there a way of getting "marginal effects" from a `glmer` object

于 2017-03-20T16:01:55.077 回答