0

我正在尝试分析一些数据，其中我有三个名为Estimulo、Velocida和的解释变量Viendocon（所有这些变量都被视为因素）和一个名为 的响应变量Vueltasmin，它是一个数字变量。

当我在各种条件下测量 Vueltasmin 时，我使用了一个线性混合模型，其中变量Bicho（即：受试者）是一个随机效应变量，表明测量值对于一个受试者不是独立的。

为了使模型更简单，我包括了我的变量之间的所有三个可能的双重交互Estimulo * Viendocon, Estimulo * Velocidad and Velocidad * Viendocon（点，所以我最终使用的模型被命名为“m1bis”。Estimulo * Velocidad * Viendoconm1

当我尝试执行 Tukey 多重比较方法时，我不得不重新编写模型，将我的变量命名为int1、int2和int3，它们都是三个双重交互。

然后，R 能够执行关于 int1 的第一个 Tukey 比较，但不是第二个和第三个，这是我的问题：我想进行所有三个比较，因为摘要 (m1bis) 显示所有双重交互都具有统计显着性，并且我无法分析我的变量的主要影响。

我得到的错误如下：

Error in Ktotal[count:(count + nrow(h$K) - 1), h$where] <- h$K :number of     items to replace is not a multiple of replacement length

这是我正在运行的脚本：

m1bis <- lmer(Vueltasmin~Velocidad+Estimulo+Viendocon+Velocidad*Viendocon+Velocidad*Estimulo+Viendocon*Estimulo + (1|Bicho), data = Datosm1bis)
summary(m1bis)

e1bis<-resid(m1bis) 

pred1bis<-predict(m1bis) 
windows()
par(mfrow = c(1, 2))
plot(pred1bis, e1bis, xlab="Predichos", ylab="Residuos de pearson",main="Gráfico de dispersión de RE vs PRED",cex.main=.8 ) #Grafico RP vs predichos para ver ausencia de patrones
abline(0,0)
qqnorm(e1bis, cex.main=.8)   
qqline(e1bis)
par(mfrow = c(1, 1))
shapiro.test(e1bis)


model.matrix.gls <- function(object, ...) {
model.matrix(terms(object), data = getData(object), ...)
}
model.frame.gls <- function(object, ...) {
model.frame(formula(object), data = getData(object), ...)
}
terms.gls <- function(object, ...) {
terms(model.frame(object), ...)
}



Datosm1bis['int1'] <- with(Datosm1bis, interaction(Estimulo,Viendocon))
Datosm1bis['int2'] <- with(Datosm1bis, interaction(Estimulo,Velocidad))
Datosm1bis['int3'] <- with(Datosm1bis, interaction(Velocidad,Viendocon))

m1bisbis <- lmer(Vueltasmin~int1+int2+int3 + (1|Bicho), data = Datosm1bis)
summary(m1bisbis)

tukeyINT<-glht(m1bisbis,linfct=mcp(int1="Tukey"))
summary(tukeyINT)
cld(tukeyINT)

tukeyINT2<-glht(m1bisbis,linfct=mcp(int2="Tukey"))
summary(tukeyINT2)
cld(tukeyINT2)

tukeyINT3<-glht(m1bisbis,linfct=mcp(int3="Tukey"))
summary(tukeyINT3)
cld(tukeyINT3)

这是我的数据库示例（请忽略 Ganancia 列）：

Bicho   Velocidad   Viendocon   Estimulo    Vueltasmin  Ganancia
92  Uno Derecho Horario 1   1
93  Uno Derecho Horario 0.916666667 0.916666667
94  Uno Derecho Horario 1.333333333 1.333333333
95  Uno Derecho Horario 0   0
96  Uno Derecho Horario 0.833333333 0.833333333
97  Uno Derecho Horario 0.833333333 0.833333333
98  Uno Derecho Horario 0.5 0.5
100 Uno Derecho Horario 0   0
101 Uno Derecho Horario 0.5 0.5
102 Uno Derecho Horario 0.333333333 0.333333333
103 Uno Derecho Horario 1.083333333 1.083333333
104 Uno Derecho Horario 0   0
105 Uno Derecho Horario 0.333333333 0.333333333
106 Uno Derecho Horario 0.333333333 0.333333333
108 Uno Derecho Horario 1.333333333 1.333333333
109 Uno Derecho Horario 0.833333333 0.833333333
110 Uno Derecho Horario 0.083333333 0.083333333
111 Uno Derecho Horario 1   1
92  Uno Derecho Antihorario 0   0
93  Uno Derecho Antihorario -0.166666667    -0.166666667
94  Uno Derecho Antihorario 0.166666667 0.166666667
95  Uno Derecho Antihorario 0   0
96  Uno Derecho Antihorario 0.083333333 0.083333333
97  Uno Derecho Antihorario 0.083333333 0.083333333
98  Uno Derecho Antihorario 0.166666667 0.166666667
100 Uno Derecho Antihorario 0   0
101 Uno Derecho Antihorario 0.166666667 0.166666667
102 Uno Derecho Antihorario 0.416666667 0.416666667
103 Uno Derecho Antihorario 0   0
104 Uno Derecho Antihorario -0.083333333    -0.083333333
105 Uno Derecho Antihorario 0   0
106 Uno Derecho Antihorario 0   0
108 Uno Derecho Antihorario -0.583333333    -0.583333333
109 Uno Derecho Antihorario 0   0
110 Uno Derecho Antihorario 0.166666667 0.166666667
111 Uno Derecho Antihorario -0.166666667    -0.166666667
4

0 回答 0