我正在尝试在 R 中正确构建重复测量方差分析并提取相关的 lsmeans。我的数据由一个因变量 (rSWC) 和一个预测变量 (Geno) 组成。完整的数据集如下：

我将我的重复测量方差分析构建为：

我希望为每个重复测量（天）提取 Geno 的 lsmeans（和相关的方差项）。目前，如果我尝试提取 lsmean，我只会为每个 Geno 获得一个 lsmean 和一条我无法解释的警告消息：

任何有助于了解我的模型是否构建得当、如何为每个重复测量提取 lsmean 以及如何解释警告消息的帮助将不胜感激。谢谢！

我定义了一个广义线性模型如下：

我有以下重要的互动

我正在尝试进行事后测试（Tukey）来比较使用lsmeans包的 ParticleTypeSize 的交互。但是，一旦我继续，我就会收到以下消息：

我通过应用检查了 ParticleTypeSize 是否是一个有效因素：

我很困惑，不确定如何纠正这个错误信息。任何帮助将非常感激！

我正在使用包中的adonis2函数运行 perm-manova vegan。我的模型中有一个重要的交互，所以想对使用lsmeans包的交互进行 tukey 调整比较。

但是，虽然lsmeans接受许多模型类，但它不接受adonis对象的类 ( [1] "anova.cca" "anova" "data.frame")。

有没有办法可以将我的adonis对象强制为lm, aov,manova对象（或任何其他接受的类lsmeans），以便我可以使用这个函数？谢谢

我试图在 aglm与二项式 dv 之后进行成对比较，并emmeans报告优势比，而我需要概率差异。

返回

这是我的大数据矩阵示例 & 每一列都用多个信息命名，并用下划线分隔。

我想遵循 Tukey 测试并为每个基因（响应与时间；由两种基因型填充）绘制条形图，并带有多个比较字母。

句法

双向方差分析

此后，我想继续进行 Tukey 测试（多重比较），例如基因“AGI4120.1_UBQ”，绘制响应与时间，并查看每个基因型（WT 和 mut1）在每个时间点（0T、1T、3T）的行为, 和 5T)? 如果响应显着不同，并在图中用字母表示。

如下 lsmeans 语法将所有基因组合为一个并给出输出，我怎样才能使其分别为每个基因循环（即“AGI4120.1_UBQ”，“AGI570.1_Acin”）并获取字母以显示统计上不同的组（又名“紧凑型字母显示")

我的最终目标是像下图这样绘制每个基因并表示重要性字母。

表示紧凑字母显示的期望图

如果可能的话，我会很感激你的帮助。

我没有得到方差分析 lsmeans 的显着差异，但有一些非常显着的数据。我的脚本有什么问题？

我用过的脚本：

当我使用 Std Err 在条形图中绘制数据时，我发现某些样本确实很重要，尤其是在第 3 天。我已经在成对 t 检验中对此进行了测试，并且这些样本在 p 0.05 时存在显着差异。

这是成对测试，即使 excel 在时间点 3 给出 sig 结果。

您能否尝试修复我的 ANOVA 和 ls 方法。

我收到错误消息

lsmDrugs=lsmeans(model1, -drug) -drug 中的错误：一元运算符的参数无效“

请问有什么帮助吗？

所以我是一个尝试 GLMM 和事后分析的 R 新手......帮助！我收集了 6 种光照水平下 9 只豆娘的二进制数据，1=对视动鼓的运动有反应，0=无反应。我的数据以“Animal_ID、light_intensity、response”为标题导入到 R 中。每个光强度 (3.36-0.61) 重复的动物 ID (1-9)（见下文）

使用以下代码（lme4 包），我执行了 GLMM，发现光照水平对响应有显着影响：

退货

然后运行：

退货

我已经安装了 multcomp 和 lsmeans 软件包，试图执行 Tukey post hoc 以查看差异在哪里，但两者都遇到了困难。

跑步：

返回：“mcp2matrix(model, linfct = linfct) 中的错误：在 'linfct' 中指定了变量 'Animal_ID'，但在 'model' 中找不到！”

跑步：

返回：“lsmeans.character.ref.grid 中的错误（object = new("ref.grid", model.info = list(：参考网格中没有名为 Animal_ID 的变量）”

我知道我在这里可能很愚蠢，但是非常感谢任何帮助。我的困惑正在滚雪球。

此外，是否有人对我如何最好地可视化我的结果（以及如何做到这一点）有任何建议？

非常感谢您！

更新：

新代码——

回报：

然后运行：

回报：

最后，运行：

返回（它现在确实有效！）：

结果以对数优势比（而不是响应）量表给出。P值调整：比较一组6个估计值的tukey方法

我想限制使用'lsmeans'R中的包计算的事后对比。

这将输出基准 x gc x opt 的所有可能组合的比较。

我的问题是：如何在 lsmeans 函数中指定仅计算和输出每个唯一基准：gc 组合中的比较？

我只想知道它们是否在基准 x gc 的每个组合中的“开和关”处理之间存在显着差异。我添加了红线来显示这一点。

原始数据如下：

来自2的示例

附加关键字： 最佳线性无偏估计器 (BLUE)、调整均值、混合模型、固定效应、线性组合、对比度、R

mmer()在使用sommer包拟合模型后- 是否可以从对象获得估计的边际均值 ( emmeans()) /最小二乘均值 (LS-means)mmer？也许类似于predict()ASReml-R v3 的功能？

实际上，我想要多件东西，也许单独要求它们更清楚：

1. emmeans 自己和他们的
2. 标准误差（se）
3. 作为每个级别的平均值旁边的列
4. emmeans 的方差-协方差矩阵（参见predict(..., vcov=T)）
5. 手段与手段的对比
6. 差值的标准误 (sed)
7. 均值之间的所有成对差异，最好使用事后检验（参见emmeans(mod, pairwise ~ effect, adjust="Tukey")
8. Sed 矩阵（见predict(..., sed=T)）
9. 最小、平均和最大 sed
10. 自定义对比

所以，是的，基本上是混合predict()和emmeans()将是这里的目标。

提前致谢！