问题标签 [lsmeans]

以前我在使用 lsmeans 识别组之间的显着差异同时使用 lme4 模型控制其他因素时没有任何问题。但是，使用以下数据集查看荧光 lsmeans 会产生相同的 p 值，而不管其他因子水平如何

此示例中使用的数据子集可在此处找到： https ://drive.google.com/file/d/0B3-esLisG8EbTzA3cjVpRGtjREU/view?usp=sharing

数据

响应：此处为 1/0 存在/不存在。（还有平均像素强度和 cbind 百分比覆盖）

固定因素 1：热处理 - 2 级

固定因素 2：竞争待遇 - 2 级

固定因素 3：时间处理 - 2 个级别

随机因素：无

模型创建

最初包含交互项，但根据 AIC 测试，它们的存在并不显着。使用 drop1 对固定因子去除热进行显着性检验很重要

我想测试控制和热处理之间的差异，同时控制竞争处理和时间处理，例如。在 0.5 小时的时间点和没有竞争的对照和加热之间的存在显着不同，在 24 小时的时间点和没有竞争的控制和加热之间的存在显着不同，等等。我尝试了 lsmeans 函数（multcomp 产生类似的结果）

更明确地

对（型号）

但是，两者在每个组组合中都给出相同的 p 值；在查看箱线图和对数据等级进行成对 mann-whitney-U 测试时似乎不准确的东西

我尝试探索数据框以消除相同 p 值的原因。将因子数量减少到两个并使用不同的响应变量/误差分布时，问题仍然很明显。

解决 lsmean/similar 包问题的任何帮助将不胜感激。作为次要选项，关于是否可以接受泊松/二项式 glm()s 的任何建议，然后使用 t-test/mann-whitneys 进行事后测试

如何使用lsmeans来估计两个成对对比的差异？例如——想象一个连续的 dv 和两个因子预测器

x1这个电话让我得到了对效果的估计x2

返回

这很好，但是我现在想要这些对比的差异，看看这些1 - 2差异本身是否根据x2级别不同。

我试图尽可能多地向您展示数据的结构和我产生的结果。

数据结构如下：

Person 是参与者 ID，GroupID 是被评定的刺激类型，Factor 1（0 级和 1 级）和 Factor 2（1 级和 2 级）是固定因素，Ratings 是结果变量。

我正在尝试在线性混合效应模型中打印一个显着交互的图。我使用包 lme4 和 lmerTest 来分析数据。

这是我们运行的模型：

当我使用 summary() 函数时，R 返回以下输出

我知道无法解释线性混合效应模型的 p 值。所以我运行了一个额外的方差分析，将交互模型与仅具有 Factor1 和 Factor2 主效应的模型进行比较

我将此输出解释为：与仅具有因子 1 和因子 2 主效应的模型相比，因子 1 和因子 2 的交互作用解释了我的结果测量中的额外差异。

由于很难解释线性混合效应模型的输出，我想打印一张图表，显示 Factor1 和 Factor2 的相互作用。我使用 lsmeans 包这样做（首先我使用了 plot(allEffects) 但在阅读了如何在混合效应模型中获取系数及其置信区间？问题后我意识到这不是为线性混合效应模型打印图形的正确方法）。

所以这就是我所做的（按照这个网站http://rcompanion.org/handbook/G_06.html）

这是我使用的绘图功能

可以使用此链接找到该情节（我还不允许发布图像，请原谅解决方法）

Factor1 和 Factor2 的交互作用

现在我的问题如下：为什么我有一个显着的交互作用和这种交互作用的大量解释方差，但我在情节中的置信区间重叠？我想我对置信区间做错了什么？还是因为无法解释线性混合效应模型的显着性指数？

我正在做一个阅读实验，比较 4 种条件下 2 组的阅读时间。我运行了一个 lmer 模型，其中阅读条件（因子 w 4 水平）和组（因子 w 2 水平）作为预测变量，注视持续时间作为因变量（数字）。

这是输出的一部分：

我需要进行成对比较，过去我使用过 lsmeans。现在它已被弃用，当我使用 lsmeansLT 时，我收到以下错误消息：

我不明白此错误消息的含义。

我也尝试了 difflsmeans 并且它有效（请参阅下面的示例输出）。但是 difflsmeans 不会更正多重比较的 p 值。

任何人都可以提供解决方案吗？我可以理解并修复 lsmeansLT 的错误，或者以某种方式调整 p 值并继续使用 difflsmeans。（我已经加载了 lsmeans 和 lmerTest 库）谢谢！

我目前正在尝试在负二项式模型上使用 lsmeans 来获得我数据集中每个参与者的最小二乘均值。我能够通过我感兴趣的曝光来确定 lsmeans，但不能为每个参与者调整均值。到目前为止，我的代码发布在下面：

任何帮助将不胜感激！谢谢！

我正在分析 R 中不同时间处理（即重复测量）的（植物群落一部分的生物量）与（植物群落总生物量）的比率。因此，使用混合成分的 beta 回归似乎很自然（随glmmTMB包提供）以考虑重复测量。

lsmeans我的问题是关于使用 lsmeans 包中的函数计算我的治疗的事后比较。glmmTMB 对象不由 lsmeans 函数处理，因此 Ben Bolker建议在加载包 {glmmTMB} 和 {lsmeans} 之前添加以下代码：

这是我的代码和数据：

最后，我收到以下我从未遇到过的错误消息，我找不到任何信息：

在 model.matrix.default(trms, m, contrasts.arg = contrasts) 中：变量 'plot' 不存在，它的对比度将被忽略

任何人都可以发光吗？谢谢！

我正在对具有三个独立预测变量的二元结果使用逻辑模型。调整模型后，我想使用边际均值 (lsmeans) 估计我的结果 (y) 的预测并对比这些预测。但是，我注意到如果我使用的模型是逻辑模型，则对比是在相对比例（比率）而不是绝对比例（差异）中完成的。有谁知道我如何获得从逻辑模型获得的预测对比（使用 lsmeans）的绝对差异？

这是一个例子：

最好的，

大号

想象一下我有两个单独的lm对象

在这种情况下，我想比较两个wt系数，并对两个模型中的系数相等的空值进行假设检验（出于技术原因，我实际上需要有两个模型，而不仅仅是包含交互）

我想在这个问题上得到你的帮助。我希望通过调整临床因素来表达生活质量评分随时间的演变。我在一个由 1000 多名患者组成的队列中工作，每 3 个月提供一次生活质量表。时间被认为是连续的，因为患者没有完全同时填写表格。

这是我的问题，我使用了具有固定因素（性别和预后）的线性混合模型。我想从这个模型中获得 3、6、9 和 12 个月的平均分数。我使用了 lsmeans 函数，但获得的分数对应于平均时间。如何在这 4 个不同时间从我的模型中获得平均分数？您将在我的代码下方找到我使用 lsmeans 得到的结果

mod_mix2 <- lme(score_utilite~delai+prono1+sex1,random = ~ delai|numero_patient, data = qdv,na.action=na.omit,method="ML") lsmeans(mod_mix2, specs="delai")

$lsmeans delai lsmean SE df lower.CL upper.CL 10.21976 0.8145542 0.005835597 1016 0.803103 0.8260054

结果在以下水平上取平均值：prono1、sex1 使用的置信水平：0.95

$contrasts 对比估计 SE df z.ratio p.value (nothing) nonEst NA NA NA NA

结果在以下水平上平均：prono1，sex1

非常感谢

我正在使用该软件包运行 LME 模型，lme4然后使用该lsmeans软件包进行成对比较。

这是我的代码：

但是，运行后我收到以下错误消息lmer：

固定效应模型矩阵秩不足，因此删除 1 列/系数
警告消息：
1：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 无法评估缩放梯度
2：在checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型收敛失败：具有 1 个负特征值的退化 Hessian

然后运行后出现另一个错误lsmeans：

错误base::chol2inv(x, ...) : 'a'必须是数字矩阵

这是我的数据结构：

如果有人能告诉我该模型有什么问题，我将不胜感激。