问题标签 [lsmeans]

R 中的汽车包实现了带有非正数 (BCN) 的 Box-Cox。这不是标准的 Box-Cox 转换，尽管它建立在它之上。

emmeans 包可以处理转换后的数据。如果定义了正确的函数，它可以反向转换。make.tran 下有内置的转换。这是emmeans使用的界面。

make.tran 返回一个列表，其中包含变换、它的逆、雅可比和一个用于测试域的函数。

如何将 BCN 转换添加到内置转换中？

是否只需创建一个具有适当内容的新列表（如 make.tran 指定的）并在调用 emmeans 的环境中使用它？

谢谢

我的数据是零膨胀的，所以我正在使用 glmmamdb 运行一个零膨胀模型：

Model3z <- glmmadmb(Count3 ~ Light3 + (1|Site3), zeroInflation = T, family= "poisson", data = dframe3)

但是，当我尝试对此模型中的不同灯光类型进行成对比较时pwcs3 <- lsmeans(Model3z, "Light")我收到错误消息：

ref_grid(object, ...) 中的错误：无法处理“glmmadmb”类的对象 使用 help("models", package = "emmeans") 获取有关受支持模型的信息。

当我访问 emmeans 软件包网站时，它说 glmmadmb 不再受支持。

我已切换到 pscl 和 zeroinfl 函数，但不确定如何重组我的代码以适应 pscl 格式。键入P <- zeroinfl(Count3 ~ Light3 + (1|Site3), family = poisson, data = dframe3)得到错误消息：

contrasts<-( , value = contr.funs *tmp*[1 + isOF[nn]]) 中的错误：对比只能应用于具有 2 个或更多级别的因子此外：警告消息：在 Ops.factor(1, Site3) 中：'|' 对因子没有意义

是否有另一种方法可以将 glmmadmb 与 lsmeans 一起使用？如果没有，有谁知道 pscl 中的零膨胀模型代码应该是什么样子？谢谢。

我正在比较一个肥料实验，其中我有一个响应变量（增长率）和两个自变量（基因型和速率）。lsmeans我使用 R 中的、car和包运行 2-way ANOVA multcompView。我的交互效应不显着，但我的基因型和比率的主要效应变量是显着的。我希望查看表示平均分离差异的字母。我怎样才能做到这一点？

这是我尝试过的：

数据集

我之前检查了交互项，它们并不重要。主效应模型如下：

查看基因型平均值之间的差异：

率的相同过程：

现在，我尝试通过基因型输出获取字母，但收到一条错误消息：

有没有更好的方法来获得平均分隔字母，或者我只是犯了一个简单的错误？

我在 R 中运行一个混合效果模型，我想知道是否有代码我可以运行来获得对比对比，以进行事后测试的交互。

答：即。我目前正在运行的 tukey 测试是这样的：

有 2 个区域（ML 和 HG）和 3 个处理（Low_control、Frog 和 High_control）。

B. 这让我在输出中得到了这些比较：

C. 但我真正想要的是这三个对比，本质上是对比的对比：

D. 如何在 R 中的混合效应模型的事后测试中为上述三个对比编码？

谢谢！！

来自拟合lmer模型。注意：未完成预测变量的转换。

我提取了手段：

cat_plot当我使用from package绘制交互时，interactions我得到了对开图。

cat_plot(model=lmer1.model, pred= condition, modx =self_defeating_score_group, mod2 = valence_group, plot.points = FALSE, geom = "line", line.thickness=2,pred.point.size=6, interval = FALSE, vary.lty=TRUE, modx.values = c("High"), mod2.values = c("very_positive"))

'perspective_taking' 条件的lsmeans值最高。但在交互图中，此配置的值最低。

交互图是否显示与组/单元格的含义不同的东西？

对于我的解释变量的给定值和给定时间步，我想从 coxme 模型中获得对事件概率的预测。我的数据结构如下：

对于每个处理：起源组合，我想在时间 = 3 处获得预测的生存可能性。如果我有一个 coxph 模型（即没有随机效应），这可以通过生存包中的 survfit 轻松完成：

但是，survfit不适用于coxme object. 我知道 apredict.coxme中存在coxme package但是当我尝试使用它时，我总是得到错误：“找不到函数”predict.coxme”。我使用的是 2.2-10 版本的 coxme 包，所以 predict.coxme应包含功能（请参阅https://cran.r-project.org/web/packages/coxme/news.html）。

我已经看到coxme包支持对象emmeans，lsmeans但我不确定这些包是否可以用于预测生存。在此先感谢您的帮助。

我有一个适用于数据集的线性混合模型 (lme4) 的公式列表 (> 10,000)。成功地，我使用了 lapply() 和一个包含 tryCatch() 的自定义函数来适应这些模型。现在我想提取所有这些模型的 P 值和 lsmeans。我已成功提取 P 值，但 lsmeans 函数遇到错误。

solve.default(L % % V0 % % t(L), L) 中的错误：Lapack 例程 dgesv：系统完全是奇异的：U[1,1] = 0

我认为这不是模型问题的原因是，如果我单独拟合模型，我可以很好地提取 lsmeans。是否有任何评论 1）为什么我不能提取 lsmeans，2）如何有效地提取手段，或 3）另一种有效的方法。

谢谢！

__ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __

更新和编辑：这是我正在使用的随着时间的推移重复受试者样本的 RNAseq 数据，因此 >10,000 个模型具有描述实验设计的相同固定和随机效应。反应（基因）是唯一变化的变量。我试图在下面的代码中更明确地说明这一点。认识到具有标识链接的混合模型可能不适合数据，我在下面提供了新的包装器。我仍然有提取手段的问题。此外，任何关于计算 P 值的更合适、更省时的方法的评论都值得赞赏。

我正在尝试使用 emmean/lsmeans 进行事后测试，以进行组的多重比较。事实上，我正在尝试重新创建一个在这里找到的示例：https ://rcompanion.org/handbook/G_11.html 。

因此，我有一个看起来像这样的模型：

然后我正在尝试探索交互效果的组分离：

但我收到以下错误：

我也对 emmeans 进行了同样的尝试，但出现了同样的错误。

有人可以指导我出了什么问题吗？:)

我在 R 中定义了一个 lmer 模型，它具有 2 个固定的相互作用效应和三个随机效应。第一个固定效应“A”是分类的，而第二个固定效应“B”是连续的：

我曾尝试使用 lsmeans（现在称为 emmeans）：

我也尝试过使用 glht：

但这些选项都不起作用。

我是R新手。如何对我的 LMM 执行事后测试？

创建数据框：

我得到这个回报：

我正在寻找一种简单的方法来将此输出（仅 p 值）转换为：

我有大约 20 套这些需要变成表格，所以越简单、越通用越好。

如果输出是制表符分隔的等，则可以加分，这样我就可以轻松地将其粘贴到 word/excel 中。

谢谢！