0

我有一个包含响应变量 (resp)、两个固定效应 (fix1 和 fix2) 和一个随机因子 (ran1) 的混合模型。尤其是：

  1. fix1 有 2 个级别（控制和治疗）；
  2. fix2 有 7 个级别（从 1 到 7，表示分类意义上的时间）；
  3. ran1 有 6 个级别（地块是配对的，配对用作随机变量）。

我使用的数据类型的一个例子是

library("tidyr")
library("dplyr")
set.seed(123)
DF <- data.frame(resp = rnorm(84, -2, 1),
             fix1 = c(rep("C",42),rep("Trt",42)), 
             fix2 = c(rep("1",6),rep("2",6),rep("3",6),rep("4",6),rep("5",6),rep("6",6),rep("7",6),
                      rep("1",6),rep("2",6),rep("3",6),rep("4",6),rep("5",6),rep("6",6),rep("7",6)),
             ran1 = c(rep(1:6,14)))
DF

从上面的例子可以明显看出：

  1. 实验设计是全因子的（fix1 * fix2）；
  2. 每次都对所有地块进行了采样（7 个级别的 fix2）。

在包含 fix1 和 fix2 之间交互的混合模型中，

LME <- lmer(resp ~ fix1 * fix2 + (1 | ran1), DF)

我想比较（对于fix2）：

  1. 1 级和 2 级的平均值相对于 3、4 和 5 级的平均值；
  2. 3、4 和 5 级的平均水平与 6 和 7 级的平均水平；
  3. 1 级和 2 级的平均值相对于 6 级和 7 级的平均值。

我的问题是：

  • 如何设置对比度（以 lmer 为单位），以便我可以比较由上面指定的平均值组成的三个“新”水平？
  • 如何解释 fix1 和新指定级别之间的交互？
4

0 回答 0