我使用lme4 包中的 lmer来运行线性混合效果模型。我有未处理 (5) 和处理过的地块 (10) 的 3 年温度数据。该模型:
modela<-lmer(ave~yr*tr+(1|pl), REML=FALSE, data=mydata)
模型检查残差的正态性;qqnorm plot 我的数据:
'data.frame': 6966 obs. of 7 variables:
$ yr : Factor w/ 3 levels "yr1","yr2","yr3": 1 1 1 1 1 1 1 1 1 1 ...
$ pl : Factor w/ 15 levels "C02","C03","C05",..: 1 1 1 1 1 1 1 1 1 1 ...
$ tr : Factor w/ 2 levels "Cont","OTC": 1 1 1 1 1 1 1 1 1 1 ...
$ ave: num 14.8 16.1 11.6 10.3 11.6 ...
交互很重要,所以我使用了 lsmeans:
lsmeans(modela, pairwise~yr*tr, adjust="tukey")
在对比中,我得到(仅摘录)
contrast estimate SE df t.ratio p.value
yr1,Cont - yr2,Cont -0.727102895 0.2731808 6947.24 -2.662 0.0832
yr1,OTC - yr2,OTC -0.990574030 0.2015650 6449.10 -4.914 <.0001
yr1,Cont - yr1,OTC -0.005312771 0.3889335 31.89 -0.014 1.0000
yr2,Cont - yr2,OTC -0.268783907 0.3929332 32.97 -0.684 0.9825
我的问题是关于某些对比的高 dfs,以及相关但无意义的低 p 值。
这可能是由于:
-在我的数据集中存在 NA(删除时有一些改进)
- 不相等的样本量(例如,一种治疗中的 5 个,另一种治疗中的 10 个 - 然而,那些(yr1,Cont - yr1,OTC)似乎不是问题。
其他问题?
我搜索了 stakoverflow 问题,并进行了交叉验证。
感谢您的任何答案,想法,评论。