1

我是 R 的初学者，我想在包含超过 200 列结果变量的数据集中执行 ANCOVA。对我来说最重要的是提取这些变量的 p 值和边际均值。我在 lapply() 函数的帮助下成功提取了 p 值，但是当我提取边际手段时，我得到了这样的错误Error in eval(predvars, data, env) : object 'x' not found。

这里我以内置数据集“iris”为例来展示我的问题。

data("iris")

#load 我会使用的包

library(car); library(compute.es); library(effects); library(ggplot2);
library(multcomp); library(pastecs); library(WRS)

#set contrasts 用于以下 ANCOVA 测试：

contrasts(iris$Species) <- contr.poly(3)

#perform ANCOVA 同时处理多个结果变量（这里我比较了不同 Specie 级别的多个结果变量，Petal.Width 作为协变量）

list1 <- lapply(iris[, 1:3], function(x) Anova(aov(x ~ Petal.Width  + Species, data = iris), type="III"))
str(list1)

#提取主要测试的p值

pvalues <- stack(lapply(iris[, 1:3], function(x) Anova(aov(x ~ Petal.Width  + Species, data = iris), type="III")[3, 4]))[2:1]

上面的代码运行良好，但是当我使用 effect() 函数提取边际均值时出现错误： #extract margin mean

list2 <- lapply(iris[, 1:3], function(x) summary(effect("Species", aov(x ~ Petal.Width + Species, data = iris)), se=TRUE))

eval 中的错误（predvars、data、env）：找不到对象“x”

marginal.means <- stack(lapply(iris[, 1:3], function(x) summary(effect("Species", aov(x ~ Petal.Width + Species, data = iris)), se=TRUE)[[5]][[1]][1]))[2:1]

eval 中的错误（predvars、data、env）：找不到对象“x”

#当我提取某个变量（例如 Sepal.Length）的边际平均值时，不使用 <lapply()，它可以工作：

marginal.mean1 <- summary(effect("Species", aov(Sepal.Length ~ Petal.Width + Species, data = iris)), se=TRUE)
marginal.mean1

输出：

 Species
    setosa versicolor  virginica 
  5.880113   5.819859   5.830028 

 Lower 95 Percent Confidence Limits
Species
    setosa versicolor  virginica 
  5.490905   5.676927   5.485953 

 Upper 95 Percent Confidence Limits
Species
    setosa versicolor  virginica 
  6.269322   5.962791   6.174102

由于结果变量超过 200 列，我想提取一次边际均值，而不是一一提取。

非常感谢您的帮助，

艾拉

4

1 回答 1

1

您会收到该错误，因为该函数effect()调用update()并尝试重新拟合模型，此时，它无法再访问您的模型x。（好吧，也许我没有解释得太清楚）你可以阅读本书的章节来了解函数是如何工作的。

尝试将所有内容保留在 data.frame 中，而是提供适合不同变量的公式：

list2 <- lapply(colnames(iris)[1:3], function(x){
anova_fit = aov(reformulate(c("Petal.Width","Species"),x), data = iris)
summary(effect("Species",anova_fit, se=TRUE))
})

如您所见，这也可以应用于您的其他功能。

于 2020-06-28T16:12:00.987 回答