问题标签 [lsmeans]

我正在使用包lme4运行以下混合模型：

其中 rest 是一个数值，habitat 是一个具有 3 个水平的因子变量。我正在尝试使用 lsmeans 包中的lsmeans对 3 个栖息地级别进行成对比较：

我使用这种方法一年多没有问题，但我需要重新运行模型，现在突然遇到这个错误：

我读到包lmerTest有它自己的 lsmeans (lsmeansLT) 版本，但我不想使用lmerTest包，因为它似乎不做成对比较。如何让我的旧代码使用lsmeans工作？

我正在使用 R 在 R 中运行混合模型逻辑回归lme4::glmer()。它是一个具有四个分类变量的模型。每个变量都进行了效果编码 (-1, 1)。参与者和刺激（编码为“演员”）都有随机效应。我已经复制了下面的输出。

我想知道如何在某些条件下计算模型预测均值和 95% CI。例如，我想为“groupEffect”的主效应计算两组中每一个的预测均值和 95% CI。我还想计算参与“infoEffect:objectEffect”交互的四个组中的每一个的预测均值和 95% CI。

需要明确的是，我不希望围绕效果本身计算 95% CI（我可以通过使用lme4::bootMer()或使用引导来计算lme4::confint()）。我想计算预测均值（即第一组正确响应的次数比例；第二组正确响应的次数比例）和 95% CI。

我认为这个lsmeans()包可能能够做我正在寻找的东西，但我没有成功。似乎许多执行此类操作的软件包都面向使用连续变量而不是二进制变量的模型。

我有一个关于在混合 glmm 模型中进行事后对比的问题。本质上，我的数据是一系列具有“主题类型”（三种类型的主题）、“治疗”（四种治疗）和“年份”（两年）的固定因子的响应变量，带有“主题编号”和“位置'作为随机效果。

正如我将在下面讨论的估计值，以下是受试者类型和治疗的平均值和标准偏差：

我的模型运行良好，如下所示：

然后我得到以下输出，一切看起来都很好：

但是，我现在希望进行事后对比，看看差异在“治疗”和“主题类型”的主要影响中的位置（即“主题类型 1 与主题类型 2 和 3 不同，还是只有 2/3 ?'。

我已经做了一些研究并尝试了几种方法，但我似乎有点迷茫，一切都给了我不同的结果，所以一些澄清将不胜感激。

最初，我将 Tukey's 与以下代码一起使用，对此我很满意，但我被告知这并未考虑其他主要效果的变化。这是我最初使用的代码和输出，当我在问题后面谈到差异的估计时，提供了 lsmeans 以供参考：

根据数据，这里的估计看起来确实是正确的，而那些被标记为显着的估计在绘制图表时确实看起来彼此不同。我还与“multcomp”包进行了类似的比较，它给出了不同的结果，并且估计的差异看起来不正确：

然后我尝试用 glht 做一个对比矩阵，它再次给出了相当不同的结果，并且根据数据，估计值再次看起来不正确：

更改校正显然会影响结果，但同样，估计看起来不正确：

最后，模型摘要中的模型比较似乎确实符合数据显示的内容，但再次提供了不同的 p 值，并且估计值似乎与数据不匹配：

所以我的总体问题是最适合用于确定治疗/受试者类型之间的比较？为什么两种 Tukey 方法提供不同的结果？很抱歉提出这么冗长的问题，非常感谢您的时间和建议。如果可以用相对简单的术语提供任何答案，我将不胜感激！谢谢！

您如何强制lsmeans报告常数调节器的每个值的单独估计值？

例如，我想要三个gear不同级别的差异估计值disp

返回

如何获得设定水平的估计值disp？

现在我有一个使用 lme4 包的二次多项式线性混合效应模型，具有四个固定因素：时间（10 个时间点：1-10，多因素），Age_Group1（成人和儿童），类型（两种语义类型的词：重复和所有格）和单词（四个单词，四个声调：T1，T2，T3，T4），以及一个随机因素：参与者。

我想要跨类型和单词的儿童和成人作品的音高曲线，特别是它们的斜率（线性趋势）和锐度（二次趋势）。

模型如下：

我通过“汇总”函数得到了结果：

很明显，Word Type 和 Age_Group 之间存在显着的三向交互。我通常会进行事后测试来比较不同条件下的成人和儿童，例如：

我得到了：

仅比较成人和儿童的截距，而不是像汇总函数那样的线性和二次参数。所以我想知道如何比较线性趋势：poly (Time, 2)1 和二次趋势：poly (Time, 2)2 在成人和儿童之间跨越条件，有什么解决方案吗？

我有一个数据集（data1）如下：

首先，除了响应（即R）之外的所有变量都被指定为因子（所以和D是因子）。然后我拟合模型：TP

然后我想用和lsmeans的因子水平进行平均。DP

为此，我键入：

这样做，我收到两条错误消息：

“ [.data.frame(tbl, , vars, drop = FALSE) 中的错误：选择了未定义的列

和

ref.grid(object = list(modelStruct = list(reStruct = list(Plot = -11.7209195395097)) 中的错误：可能需要“数据”或“参数”参数”

为什么我不能适应lsmeans这个模型？我用过lsmeans很多次没有任何问题。

我想知道是否有办法在 afex 和 lsmeans 包中获得与 lmer 中相同的交互效应估计值。下面的玩具数据适用于具有不同截距和斜率的两组。

这是情节

当我lmer对数据运行标准以估计 s 之间的变化差异score时。timegroup

group*time我对 的交互作用进行了估计-1.07，这意味着时间增加一个单位的分数增加group B比少约 1 分group A。这个估计值与我在数据集中构建的预设差异相匹配。

我想知道的是如何在afex和lsmeans包中做类似的事情。

首先我生成了afex模型对象

然后将其传递给lsmeans函数

我的目标是生成对afex 和 lsmeans 交互的准确估计。group*time为此，需要根据上述lsmeans函数中指定的拆分指定自定义对比矩阵。

然后我做了一个主列表

我将其传递给contrast.lsmeans

输出中的F和p值与线性趋势的自动测试和 SPSS 中混合 ANCOVA 生成的线性趋势的组差异的值相匹配。然而，混合 ANCOVA 不会生成估计值。

使用上述程序估计效果，而不是大约。-1，就像在lmer（并匹配我在数据中构建的差异）是大约。-10，这是非常不准确的。

我认为这与我编码对比度系数的方式有关。我知道我是否groupMain通过将所有系数除以 4 来归一化矩阵的系数，从而准确估计所有时间点上平均的组的主要影响。但我不知道如何准确估计跨组的平均线性趋势 ( linTrend)，或准确估计跨组的线性趋势差异 ( linXGroup)。

我不确定这个问题是否更适合这里或交叉验证。我首先想到这里是因为它似乎与软件相关，但我知道可能涉及更深层次的问题。任何帮助将非常感激。

我正在尝试使用lsmeans及其对比对交互进行 F 检验。基本上，我想复制 Stata 使用它的contrast命令所做的事情。我想这样做有两个原因：

1. 在因子变量之间具有交互作用的回归模型中；

2. 在 ANOVA 中帮助分解三向交互。

对于这个问题，我会问三向交互。

三方互动意义重大。现在，从 Stata 上的UCLA 页面，Stata 可以使用以下代码：

这将为 a 级别的 b*c 交互生成 F 检验。

我正在尝试lsmeans在 R 中做同样的事情。但是，我就是不明白。这是我尝试过的：

这让我进行了 F 检验，但它不正确（或者至少它不是我想要的）。复制Stata结果的任何帮助将不胜感激。我真的很想留在里面lsmeans做这件事，但如果有别的办法，我会接受的。

我需要创建一个函数 ( fit.function)，它根据 MA​​SS ( ) 拟合的负二项式模型使用不同的公式和数据调用 lsmeans nb.glm。

当我尝试在函数内调用 lsmeans 时出现以下错误：

该错误似乎与 ref.grid 函数的环境有关。

谁能帮我修复错误？任何解决方法的想法？

我的代码如下：

我试图从 SAS 9.3 中的 LSMEANS 语句中获取平均值，但从 SAS 网站上的文档来看，它们似乎已经从 LSMEANS 语句中的默认值中删除了平均值。

根据我正在使用 ILINK 选项的文档，它给了我“Mu”，但这似乎与我的“估计”完全相同

谁能帮助我了解如何在 LSMEANS 中获得平均值？

提前致谢！