1

附加关键字： 最佳线性无偏估计器 (BLUE)、调整均值、混合模型、固定效应、线性组合、对比度、R

mmer()在使用sommer包拟合模型后- 是否可以从对象获得估计的边际均值 ( emmeans()) /最小二乘均值 (LS-means)mmer？也许类似于predict()ASReml-R v3 的功能？

实际上，我想要多件东西，也许单独要求它们更清楚：

  1. emmeans 自己和他们的
  2. 标准误差（se）
  3. 作为每个级别的平均值旁边的列
  4. emmeans 的方差-协方差矩阵（参见predict(..., vcov=T)）
  5. 手段与手段的对比
  6. 差值的标准误 (sed)
  7. 均值之间的所有成对差异，最好使用事后检验（参见emmeans(mod, pairwise ~ effect, adjust="Tukey")
  8. Sed 矩阵（见predict(..., sed=T)）
  9. 最小、平均和最大 sed
  10. 自定义对比

所以，是的，基本上是混合predict()和emmeans()将是这里的目标。

提前致谢！

4

2 回答 2

4

这似乎是可能的。这是该软件包的示例之一：

library(sommer) # Version 4.1.2
data(DT_cornhybrids)
DT <- DT_cornhybrids
DTi <- DTi_cornhybrids
GT <- GT_cornhybrids
hybrid2 <- DT
A <- GT
K1 <- A[levels(hybrid2$GCA1), levels(hybrid2$GCA1)]
K2 <- A[levels(hybrid2$GCA2), levels(hybrid2$GCA2)]
S <- kronecker(K1, K2, make.dimnames=TRUE)   

ans <- mmer(Yield ~ Location, 
             random = ~ vs(GCA1,Gu=K1) + vs(GCA2,Gu=K2) + vs(SCA,Gu=S),
             rcov=~units,
            data=hybrid2)
summary(ans)

## ...
## Fixed effects:
##   Trait      Effect   Estimate Std.Error    t.value
## 1 Yield (Intercept)  1.379e+02     1.962  7.031e+01
## 2 Yield   Location2  1.776e-14     2.099  8.461e-15
## 3 Yield   Location3  7.835e+00     2.099  3.732e+00
## 4 Yield   Location4 -9.097e+00     2.099 -4.333e+00
## ...

返回的对象具有元素$Beta，$VarBeta并返回其固定效果和协方差。我们可以使用以下方法创建参考网格emmeans::qdrg()：

rg <- qdrg(~ Location, data = hybrid2, coef = ans$Beta$Estimate, 
    vcov = ans$VarBeta)
rg
## 'emmGrid' object with variables:
##    Location = 1, 2, 3, 4

emmeans(rg, trt.vs.ctrl1 ~ Location)
## $emmeans
##  Location emmean   SE  df asymp.LCL asymp.UCL
##  1           138 1.96 Inf       134       142
##  2           138 1.96 Inf       134       142
##  3           146 1.96 Inf       142       150
##  4           129 1.96 Inf       125       133

## Confidence level used: 0.95 

## $contrasts
##  contrast estimate  SE  df z.ratio p.value
##  2 - 1        0.00 2.1 Inf  0.000  1.0000 
##  3 - 1        7.84 2.1 Inf  3.732  0.0006 
##  4 - 1       -9.10 2.1 Inf -4.333  <.0001 

## P value adjustment: dunnettx method for 3 tests

位置 1 的 EMM 及其 SE 与summary()截距相匹配，并且剩余的回归系数和 SE 与对比结果相匹配，这一事实令人放心。

有关更多详细信息，请参阅文档qdrg。

于 2018-10-30T22:07:23.107 回答
2

在 sommer >= 3.7 中，已经实现了 predict 函数来获得对固定或随机效应的预测，就像 asreml 所做的那样。它需要一个模型和分类参数来知道使用哪些参数来聚合超表并得出正确的标准错误。例如：

data(DT_cpdata)
#### create the variance-covariance matrix
A <- A.mat(GT) # additive relationship matrix
#### look at the data and fit the model
head(DT)
mix1 <- mmer(Yield~1,
              random=~vs(id,Gu=A)
                      + Rowf + Colf,
              rcov=~units,
              data=DT)
summary(mix1)

preds <- predict(mix1,classify = "id")
> head(preds$predictions)
    id predicted.value.Yield standard.errors.Yield
1 P003             111.15400              28.16363
2 P004             135.21958              29.81544
3 P005             109.72743              29.68574
4 P006             144.98582              27.99627

preds <- predict(mix1,classify = "Rowf")
> head(preds$predictions)
  Rowf predicted.value.Yield standard.errors.Yield
1    1              81.71645              23.22997
2    2              96.79625              22.92514
3    3             128.89043              22.64216
4    4             132.65795              22.73903

等等... RtermsToForce 和 FtermsToForce 参数可用于强制在预测中使用特定的固定或随机项。我猜是下一个版本的定制对比。

于 2018-11-14T19:07:25.190 回答