0

我最近一直在学习如何在 R 中做混合模型（对两者都是新的），然后将它们作为分析我的数据的首选方式（最初是 2 路重复测量方差分析）。该研究涉及在三种不同条件下在 6 小时内（每个小时有一个值）对受试者的脑电图记录。每个受试者参与每个条件。

我的模型看起来像这样，我认为它是合适的。

lmer(EEG ~ Condition + Hour + (1|Subject)

现在阅读后，我知道您可以使用 lsmeans 获得事后测试，如下所示：

lsmeans(model1, pairwise ~ Condition, adjust=”tukey”)

但是，此输出仅显示条件 AB、AC、BC 之间的事后测试。使用统计软件（无论如何都有两种重复测量方差分析），我可以按小时计算差异，如下所示。

条件 A，小时 1 – 条件 B，小时 1

条件 A，小时 1 - 条件 C，小时 1

条件 B，小时 1 - 条件 C，小时 1

条件 A，小时 2 – 条件 B，小时 2

条件 A，小时 2 - 条件 C，小时 2

条件 B，小时 2 - 条件 C，小时 2

....ETC。

我想知道如何在 R 中使用混合模型做同样的事情。或者，如果有一些首选的替代方案可以按小时提供与经典报告相同的信息。提前谢谢你的帮助。

更新：

我正在使用 lme4 包中的 lmer 和 lsmeans 包中的 lsmeans。

这是我的数据框的示例结构（实际上有 3 个条件，6 小时）：

Subject Condition Hour EEG
1       A         1    X
1       A         2    X
2       A         1    X
2       A         2    x
1       B         1    x 
1       B         2    x
2       B         1    x
2       B         2    X

我试过（我之前忽略了）lsmeans（模型，成对~条件|小时）：

但我得到 3.5 小时而不是按小时计算：

$contrasts
Hour = 3.5:
 contrast   estimate       SE df z.ratio p.value
 A - B     0.8042939 3.848262 NA   0.209  0.9762
 A - C    -5.3425872 3.848262 NA  -1.388  0.3470
 B - C    -6.1468811 3.848262 NA  -1.597  0.2468
4

0 回答 0