问题标签 [lmertest]

root.type我正在为具有 4 个级别的预测变量运行单个响应变量的线性混合模型；当我运行模型时，我只想要关于整个因素的信息，但它会不断将其拆分为多个级别。有任何想法吗？

我只期待一个固定效应（root.type）。我更新了软件包，但没有任何改变。

我需要进行线性混合模型模拟以获得不同样本大小的能力。

我的模型是：

评分 = y

固定效应，x = 环

随机效应 = 参与者

我试过的代码如下。它只返回“基于 100 次模拟，（0 个警告，100 个错误）alpha = 0.05，nrow = 2000”......

谢谢！！

我用 lmerTest 运行了一个混合模型，我需要一个事后测试。

以下是模型，每个试验连续。然后，我使用 emmeans 但得到以下错误（可能是因为大量的观察）。

我会很感激帮助或以其他方式运行后挂钩，因为我尝试过的其他方式也不起作用。PS当我尝试添加参数'lmerTest.limit = 13812'时它根本不起作用。

如果我把这个问题放在错误的地方，请原谅我。我已经用 R 中的 lme4 包和 lmerTest 包构建了一个 lmer 模型，但我正在努力获得主效应的正确 F 值，因为我的一个自变量具有三个级别。我的模型如下：

使用 anova(mod) 给我以下估计：

当然，我可以通过将误差平方和除以适当的自由度来手动计算 F 值。但是在 R 中有没有捷径可以做到这一点？使用 base::lm() 我可以重新拟合不包括感兴趣的自变量的模型，并将其与包含该自变量的完整模型进行比较。为此，我可以使用 anova(full_model, main_effect_model)。但是，这似乎不适用于混合效果模型。我得到：

有没有办法来解决这个问题？

我想从我的模型中删除异常值（残差超过 2.5sd）。我试过这段代码：

我收到以下错误消息：

错误：错误的“数据”：

我在不同的数据集上运行相同的代码，它运行顺利，没有任何问题。

我对在 lm 或 lmer 对象上调用的 summary() 输出中显示的显着性测试结果与在同一对象上调用的 anova() 输出中显示的结果之间的关系感到困惑。具体来说，我不明白（a）为什么对于 df=1 的因素（应该可以比较结果），结果并不总是一致；(b) 为什么 summary() 尊重分配给每个因素的对比权重，但 anova() 没有。

以下是 lm 的示例：

当 Species 的对比编码发生变化时，拟合 lm 中 Petal.Length 的显着性检验会发生变化——这是有道理的，因为该模型评估了每个因子，正交因子保持为零。但是，anova 结果中 Petal.Length 的显着性检验是相同的，并且与任一 lm 的结果都不匹配。

lmer 的行为（通过 lmerTest 包完成显着性测试）在相关方面令人困惑：

在这里，变量编码似乎仍然会影响 summary() 的输出中显示的结果，但不会影响 anova() 的输出中显示的结果。但是，两个 anova() 结果都与使用 sum 编码时获得的 lmer() 结果相匹配。

在我看来，在这两种情况下，anova() 都忽略了使用的变量编码并使用其他一些变量编码——在 lmer 的情况下，这似乎是总和编码——来评估重要性。我想知道如何执行使用分配的变量编码的统计测试。至少对于 lmer 来说，我可以使用 matchMD(); 例如，

但是，我不知道如何对 lm 进行等效测试（大概使用 glht，但我不知道正确的函数调用）。所以，我的问题是：

1. 从概念上讲，为什么 anova() 不尊重分配的变量编码？（大概这都是预期的行为，但原因对我来说是不透明的。）

2. 实际上，在 lm 对象上调用 anova() 时使用了哪些变量编码？

3. 如何使用 lm 对象执行我想要的那种显着性测试？（我在上面使用了 df=1 的示例，因为它们可以在模型输出和 anova() 输出之间进行比较，但当然我真正想做的是测试 df>1 的效果。）

也是这里的第一篇文章，这只是我第二次使用 R，所以请温柔。

我正在做一个项目，我在 R 中尝试通过 lmer 函数使用 lme4 和 lmeTest 包进行多项分析。为此，我列出了要分析的变量名称列表，我使用 for 循环进行迭代。因此它看起来像这样：

但是，这会产生此错误：

我很确定这个问题与 lmer 声明有关，也许与i当我手动将过去的值复制到i. 但是，由于“列表”中有很多值，我需要某种循环。

我已经在谷歌上搜索了很多，并在这里找到了几个试图解决相同/类似问题的答案，但对我来说它们不起作用。下面是一些更好的解决方案的链接列表，但是它们并没有解决我的问题。

• model.frame.default 中的错误：可变长度不同
• 带有分组数据 R 的 ARIMAX
• https://rstudio-pubs-static.s3.amazonaws.com/63556_e35cc7e2dfb54a5bb551f3fa4b3ec4ae.html

任何人都可以对这种现象提供一些见解吗？

编辑 1 - @r2evans 要求提供可重现的示例。这在下面提供。

此时会在它说的地方生成错误：

关于数据的设置，我无法提供完整的数据集（显然），但是下面提供了一个演示结构的示例。这是原始变量的数据。

对于列表中的数据，上面示例数据的数据结构就是这样。

包含 raw 和 list 数据的两个文件都是 csv 文件。在整个过程中，只产生了一个错误（至少在我的结尾）。但是，如果您执行两次代码，它会抱怨文件夹已经存在。但是，除此之外它只会产生一个错误。我注意到的另一个细节是，i发生此错误时变量卡在 ID1，因此它不会浏览整个列表，它在第一个对象处失败。我希望这有助于澄清。如果您想要/需要重现错误的更多详细信息，请告诉我。

我正在尝试从summary使用最大似然 (ML) 拟合的 HLM 模型中访问 AIC、BIC、logLik 和偏差数据lme4::lmer，并与使用受限最大似然 (REML) 拟合的基本相同的模型相结合。从返回的对象的结构lmer是summary一团糟，我无法找出这些数据的存储位置/方式。

[更新：]根据我得到的回复，我更新了代码以反映所取得的进展：

代码示例：

我本质上想修改输出以类似于summaryif的输出REML = FALSE（不工作）：

我们目前正在研究植物物候学。

我们为研究区域中存在的每个物种建立了一个线性混合模型。

我们将融雪天数（从融雪到夏季访问日的天数总和）设置为响应变量，而平均物候（每个地块的平均物候状态（每个地点有 3 个）由来自的平均物候状态计算每个小区分为12个子小区。从1-6，数字越大循环越高级）。嵌套在本地的年份和地块被设置为随机因素。

一旦模型建立和修改，我们想要预测每个物种从融雪开始的天数，以达到感兴趣的物候阶段，这些阶段恰好有 2、3、4 和 5 的平均值。（对应于营养、开花、水果发育和分散，分别）我已经尝试过这个功能predict()，但我没有得到每个物种的阶段之间的异质性，进展似乎是线性的（如图像文件所示）。

这可能仅仅是因为是一个线性模型，所以它只会给出线性响应吗？有没有其他方法可以从这些模型中获得预测并显示它们的 CI？

我们目前正在研究植物物候学。

我们为研究区域中存在的每个物种组（A Vs B）建立了一个线性混合模型。

我们将平均物候设置为响应变量（每个小区的平均物候状态（每个地方有 3 个）是通过将 12 个子小区的平均物候状态划分为每个小区来计算的。从 1 到 6，数字越大更高级的周期）而融雪天数（从融雪到夏季访问日的天数总和）是自变量。嵌套在该地区内的年份和地块被设置为随机因素。

模型建立和修改后，我们希望预测每个物种组（A vs B）沿生长季节的平均物候阶段，我们将其分为 10 个 DFSM 值（10、20、30、50、60、70、80 ,90,100)。即，我们要预测每个 DFSM 值 (10-100) 的平均物候状态

我们通过以下步骤做到了这一点：

现在的问题是，如何在同一 DFSM 级别测试每个组的预测之间的统计差异？（即，10 DFSM 的 A 组VS 10 DFSM的 B 组，... 20 DFSM的 A 组VS 20 DFSM的 B 组，... 30 DFSM 的 A 组VS 30 DFSM的 B 组 ...nDFSM）

我尝试rnorm()设置为每个组和每个 DFSM 级别获得的平均值，这样我可以获得一个不错的数据表示，然后运行一个简单ANOVA的比较平均值。但问题在于，相同 DFSM 水平预测的组之间的差异总是显着的。原因是我认为组内的差异很小，因为我获得平均值的方式，它总是会显示 A 组和 B 组之间的差异。

欢迎任何建议。太感谢了。