问题标签 [emmeans]

我的数据是包含许多零的整数。我想使用二项式广义线性模型分别对零进行建模。Y>0在我在波浪号左侧指定的模型语句中，它给了我一个二进制 ( TRUE, FALSE) 向量。emmeans我使用包指定 ( )进一步分析了数据type = "response"。然后我意识到（根据我的实际数据）置信区间似乎不正确。我尝试对此进行故障排除，并决定在我的数据框中分别创建一个包含TRUE和值的新变量。FALSE这解决了问题。为什么会这样？

下面是重现这种行为的代码（尽管它的效果不像我的原始数据集中那样明显）：

这是在模型中使用关系运算符>的第一个模型：

这是使用新变量的第二个模型：

到目前为止，输出是相同的。然后我继续运行没有emmeans()参数的模型 1 和模型 2的函数：type = "response"

再次一切都很好。但是当我添加type = response参数时，除了置信区间不同外，所有参数看起来都不错（比较下面的两个输出）：

我看到第一个输出 ( Unknown transformation ">": no transformation done) 中有一个警告，但为什么它只影响置信区间？

另一个有趣的观察是，当我在函数中绘制没有comparisons = T参数的 emmeans 对象时，plot()它与上面的em3和em4输出匹配，具有不同的置信区间：

但是当我添加comparisons = T参数时，置信区间现在是相同的，但是，两者都匹配基于模型中的Y>0规范的模型（请参阅m3和em3）

这有点冗长，但我的问题归结为：

使用时可以结合使用Y>0 ~ X模型规范emmeans，还是应该先为此创建一个单独的变量？

我想测试两个两个对比本身是否存在显着差异。

返回mpg每个值的差异vs

...我想看看这些差异本身是否彼此不同

这只是一个关于在 emmeans 中获取交互置信区间的一般问题，我已经阅读了所有常见的教程，但我不明白如何为 2-way 和 3-way 交互做这件事。这是一个 3 向交互的示例。

然后我用随机截距拟合了一个线性混合模型：

我想要的比较完美地显示使用：

但是，它们缺少置信区间，请注意运行：

在 emmeans 数据上不起作用，它只是为不同级别的 emmeans 提供置信区间，而不是对比。这些函数适用于对比数据，但这些函数不显示 3 向交互。

更新：答案 我终于想通了：

confint(contrast(emmeans(fit1,~A*G*L),interaction=c("pairwise")))

运行测试 ( model1.emm=emmeans(model1,~timeBin) contrast(model1.emm, "trt.vs.ctrl", ref = 1, adjust='fdr')) 后，这是我在控制台中看到的内容：

是否可以将此输出导出到数据框？

我学会了如何导出其余的结果： result = as.data.frame(summary(model1.emm))

我想使用 emmeans 计算计划对比的特定子集，但在编码这些时遇到了麻烦。

在我的示例数据集中，我有两个条件，“drugA”和“drugB”。有 6 只动物 AF，每只动物的体重在每种药物的影响下测量了 3 次。

但是，我只想计算以下对比：

DrugA, time1 与 DrugB, time1

DrugA, time2 与 DrugB, time2

DrugA, time3 与 DrugB, time3

DrugA，时间 1 与时间 2

DrugA，时间 2 与时间 3

DrugB，时间 1 与时间 2

DrugB，时间 2 与时间 3

我如何对这些对比进行编码？非常感谢您的建议。

我正在通过包mitml（使用函数）运行多级多重插补，并通过包和panimpute()函数拟合线性混合模型和边际模型。nlmegeepackmitml:with()

我可以通过该函数获得估计值、p 值等，testEstimates()但我也希望在我的模型预测变量中获得估计均值。我已经尝试过这个emmeans包，我通常使用它来在nlme & geepack没有多重插补的情况下运行时获得估计的平均值，但这样做的emmeans告诉我“无法处理类“mitml.result”的对象”。

我想知道有没有办法从我运行的多重插补分析中获得汇总的估计均值？

我正在分析的数据框是纵向/重复测量和长格式。在线性混合模型中，我想获得 2x2 交互效应的估计均值，而在边际模型中，我试图获得 6 个“时间”变量水平的估计均值。所有模型的结果都是连续的。

这是我的代码

我正在使用 300 毫秒的持续时间阈值分析在时间序列数据中检测到的离散事件的持续时间，即检测到的事件只能长于 300 毫秒。当我查看我的数据时，我预计它会遵循一个转移的 Gamma 分布。情况似乎确实如此。当我将移位数据（持续时间 - 300 ms）拟合到具有 Gamma(log) 系列的 glmer 模型时，我得到以下 DHARMa 结果：

尽管 KS 测试表明并非如此，但我认为 qqplot 看起来很合理，残差与预测值图看起来几乎没有偏差和非线性。因此，我决定继续前进，并使用参数引导程序在模型中分类因子的水平之间进行假设检验。由于这个因素很重要，我使用 emmeans 包进行了事后测试。但是，在这里我遇到了问题，因为 EMM 基于与移位数据拟合的模型：因此，分类因子水平之间的对比度估计现在表示为比率（使用对数链接），这显然是错误的，因为我之前减去了阈值。

以下是我的几个问题：

1. 您认为在拟合之前通过检测阈值移动数据是拟合这些数据的明智方法吗？
2. 在 glmer 的范围内我可以尝试其他任何发行版吗？我尝试了对数正态变换的数据，但它显着低估了与移位伽马分布相比的平均值。
3. 您对如何处理我在事后测试期间遇到的问题有什么建议吗？

我希望我的问题和疑问有点清楚。您将如何处理这些数据？

在阅读了 emmeans 的小插曲后，我仍在为可能有一个非常简单的解决方案而苦苦挣扎。

我模拟了 2 组 6 名受试者的一些数据。测量时间长达 360 分钟 (ExpDelta)。我的 lme 模型如下：

现在，我可以计算每个时间点的 emmeans 对比度：

或仅通过治疗：

两个结果看起来都符合预期。但现在我只想比较 2 个治疗组，而排除 ExpDelta 240 和 360 组，我不知道如何。

所以我的问题是：在排除 ExpDelta 240 和 360 的数据时，安慰剂与 1 mg 药物 Y 的 p 值是多少？

参考数据集如下：

我正在使用 lme（作为分类协变量输入的时间）分析纵向激素数据，并希望测试研究组（对照组和两个实验组）之间的差异，并使用 emmeans 可视化差异。我对组内或组间连续时间点之间的比较完全不感兴趣。因此，我希望更改对比，以便对多重比较的校正仅考虑我正在查看的那些比较。然而，即使在咨询了 emmeans vignette 和@aosmith16 的这个非常好的教程之后，我似乎也不明白如何做到这一点。

一个可重现的例子，它确实产生了组间的比较，但可能过度调整了 p 值。当然，这只是一个小问题，我不介意在这方面保守。

错误是：

“onelmer[[x]] 中的错误：无效的下标类型 'S4' 调用自：is(object, "emmGrid")”</p>

看来我的框架类型有些问题，但我找不到任何原因。请帮我！非常感谢！