0

我正在尝试使用 R 在混合方法 Anova 的显着交互之后运行事后比较。我想做类似于 SPSS [EMMEANS=TABLES(Group*time) COMPARE(Group) ADJ(BONFERRONI)] 的事后处理，使用估计的边际均值但不假设方差相等。

因变量 = 'depvar'。我有 3 个组（'group'）和 3 个时间点（'timept'），它们是对受试者（'id'）的重复测量；

aov_car(depvar ~ group*timept + Error(id/(timept)), data=myData)

如果我使用pairwise.t.test，我可以分别比较每个时间点的组，但是R使用观察到的平均值，我不知道如何强制使用我模型的估计边际平均值：

for (itimept in unique(myData$timept)){
      idx=myData$timept==itimept
      pairwise.t.test(myData$depvar[idx],myData$group[idx],p.adj="bonferroni")
    }

如果我使用 emmeans 或 lsmeans 则 R 使用估计的边际均值，但假设方差相同（结果中的 SE 都相同）。

myfit=lme(depvar ~ group*timept, random = ~1|id/timept, data=myData)
emmeans(myfit, pairwise~group|timept, adjust="bonferroni")

如何使用估计的边际均值但不假设方差相等，类似于 SPSS，对每个时间点在组之间进行事后比较？

谢谢！克里斯蒂娜

4

1 回答 1

0

这不是emmeans假设相等的方差。这是您安装并随后交给进一步分析的模型。我认为，使用指定不等方差emmeans的参数来拟合不同的模型。weights

我相信这个模型会成功：

myfit = lme(depvar ~ group*timept, 
            random = ~1|id/timept, 
            weights = varFunc(~ group*timept),
            data = myData)
于 2018-06-15T15:14:35.087 回答