0

我有一个这样的文件：

在此处输入图像描述

我正在使用此数据集来预测线性混合模型，并且我想使用该函数emmeans来计算我的条件的估计均值。我正在使用的代码在这里：

newtab5 <- read.csv(file="sliding_LMM_test.csv", header=T, sep=",")
head(newtab5)

library(lmerTest)

model <- lmer(formula = data1 ~ flabel + (1 | whichFragments), data = newtab5, control=lmerControl(check.nlev.gtr.1 = "ignore"))
sfit <-summary(model)
sfit$coefficients[,2][2]
sfit$coefficients[,5][2]

library(emmeans)

means <- emmeans(model, "flabel")
test<-summary(means)

我有这个错误：

>  Error in t(ZZ) %*% EE :Cholmod error 'X and/or Y have wrong dimensions' at file ../MatrixOps/cholmod_sdmult.c, line 90

当 which fragment 列具有相同的值时，该emmeans函数似乎不起作用。

你知道有什么方法可以跳过这个或emmeans为这种情况工作吗？

先感谢您

4

1 回答 1

1

这是pbkrtest包中出现的错误，在计算 Kenward-Roger 自由度（这是lmerMod对象的默认自由度方法）所需的调整后的协方差矩阵时。几乎可以肯定，这与拟合模型时遇到的未公开警告消息有关：

> model <- lmer(formula = data1 ~ flabel + (1 | whichFragments), 
+    data = data, control=lmerControl(check.nlev.gtr.1 = "ignore")) 
Warning message:
In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,  :
   Hessian is numerically singular: parameters are not uniquely determined

令人惊讶的是（对我来说），如果您使用其他一些 df 方法，例如 Satterthwaite，您仍然可以获得结果：

> emmeans(model, "flabel", mode = "satterth")
 flabel emmean    SE   df lower.CL upper.CL
 con1    0.599 0.147 0.26    -3879     3880
 con2    0.107 0.147 0.26    -3880     3880

Degrees-of-freedom method: satterthwaite 
Confidence level used: 0.95

拥有 0.26 的自由度并不算多：看看 CI。

就像一般观察一样，当您尝试仅使用一个观察来估计方差时，您总是在自找麻烦。whichFragments就方差而言，这就是该模型试图做的事情。我当然希望您在实际研究中拥有比这更多的数据。

顺便说一句，如果你想要的只是手段，你可以计算手段：

> with(data, tapply(data1, flabel, mean))

  con1   con2 
0.5991 0.1072
于 2019-04-12T14:07:22.380 回答