问题标签 [manova]

我正在使用MCMCglmm包来执行混合模型分析。如果我的数据如下：

对于线性模型，我可以轻松summary(Manova(lm(cbind(a, b) ~ age + 0, data = df_test)))获取表格并查看对年龄的明显影响（请忽略此处的共线性问题）。

但是，如果我用MCMCglmmID来考虑混合效应呢？假设该MCMCglmm对象称为“mc_model”，我如何使用Manova或类似的方法来查看（多个）分类（具有多个级别）变量的影响？

谢谢！

任何人都知道在MANOVA测试后用于事后成对比较的 R 函数，即检查多个变量的组差异（我只知道进行 ANOVA 事后比较的函数，例如 pairwise.t.test() 或 TukeyHSD() ，但不是在具有多个变量的 MANOVA 之后）？谢谢！

有没有办法使用 lme（来自 nlme）或 lmer（来自 lme4）指定一个双向 ANOVA，其中一个主体内预测器和一个主体间预测器？也许这是一个 CrossValidated 问题，但我认为我对随机效应不感兴趣，因为我不关心受试者内部的变化，也不关心对个别受试者做出预测。我对普通受试者感兴趣，所以这应该是受试者内固定效应预测器（即固定数量的级别）和受试者间固定效应预测器。我不想要重复测量方差分析，它有许多假设，包括球形度并且很难做事后处理。以下是我需要的模型类型的一些示例：

1. 按年龄 + 性别 * 区域预测的体积，其中区域在受试者内
2. psychiatricGroup * sex * scoreType 预测的分数，其中 scoreType 是受试者内
3. 由性别 * scoreType * score 预测的量（这可能必须是 score 的随机效应，但 scoreType 必须是固定水平的受试者内）。

（在 JMP 中，可以使用“混合模型”个性、“可交换”重复协方差结构、指定重复的受试者内预测变量和指定受试者来指定前两个。）

使用“ R 中的重复测量/受试者内方差分析”、“使用回归模型（LM、LMER）的重复测量方差分析”和“如何将 Afex 或汽车方差分析模型转换为 lmer？观察变量”问题和第 4 章在 lme4 book中，我创建了以下使用 CO2 示例数据的代码。它不是最好的样本数据集，但假设：“Plant”就像受试者 ID，“Type”和“Treatment”是受试者之间的效果，“conc”是受试者内，它的水平是 NOT ORDERED（即它的分类和性格类型，就像一个人的多个心理评分类型，或者一个人的多个解剖区域一样）。

1. 使用随机效应对 conc 预测的吸收进行建模的正确代码是什么？
2. 我将如何模拟 conc * Treatment 预测的吸收？
3. 可以仅在具有固定效应的 R 中进行此分析吗？
4. 有没有办法为所有级别的交互（因子内*因子间）运行事后分析并应用多重比较校正（例如 Tukey HSD）？对于此示例，这将是 7 次浓度 * 2 次治疗 = 14 次比较。

下面的代码会产生以下错误：“错误：观察次数 (=84) <= 术语 (conc | Plant) 的随机效应数 (=84)；随机效应参数和残差方差（或尺度参数）可能无法识别”

更新 lmer() 的括号指定了哪些度量是随机效应，但您仍然需要指定预测变量。

我正在尝试执行成对的 manova 分析，在其中循环遍历所有可能的列对。我认为这最好用一个例子来传达：

cbind()我认为这与在我的函数中从向量中引用 colnames 更相关。我在这里从这个问题中看到了一些关于使用括号的信息，但无法让它适用于我的情况。我可以通过它们的编号来调用这些列（请参阅 参考资料m4），但如果可能的话，我更喜欢使用列名。

我正在尝试复制我在新数据集上学到的规范分析方法。我创建了一个带有 1 个分类预测变量（温度）、4 个连续预测变量（附加数据集中的 BM、Mass、SMR 和 AS）和 4 个响应变量（SDA 总、SDA 持续时间、SDA 峰值和 SDA 峰值时间）的 MANCOVA 模型）。该模型通过了 ANCOVA 和 MANOVA 的假设。这是删除了交互项的模型代码（它们不重要）：

规范分析的目标是找出哪个预测因子推动了大部分响应。我被教导使用包找到由每个预测变量的第一个特征向量解释的模型变化的百分比candisc。使用 candiscList(lionfish.mancova.final) 其中列出每个预测变量的第一特征向量信息或

mancova.temp<-candisc(lionfish.mancova.final,term="Temperature") mancova.temp$pct

它直接打印每个预测变量的第一个特征向量解释的百分比（在这种情况下为温度），每个预测变量解释的百分比始终为 100%。这显然没有发生，这在之前的数据集中也不是问题。关于为什么它会为每个预测变量的第一个特征向量报告 100% 的任何想法？提前感谢任何可以分享建议的人！

数据（从 CSV 复制）：

这两行代码有什么区别？

如果我尝试使用下一个函数，我会得到一个变量“varname2”的“无效类型（列表）”。

这是我尝试使用的下一个功能：

那么为什么 varname1 有效而 varname2 无效呢？

我已经构建了一个解释协变量的模型。有两个因变量（“A”、“B”）和两个自变量（“C”、“D”）和一个连续协变量（“E”）。我按如下方式运行了MANCOVA：

这一切都很完美，我发现协变量对因变量有影响。因此，我想使用 emmeans 包来解释具有估计边际均值的协方差。但是，当我尝试运行以下代码时，我收到此错误：

这是我的数据：

我确信这个问题有一个简单的解决方法，但我有点迷茫，stackexchange 上几乎没有关于 emmeans 的问题！

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

我正在尝试在看起来有点像以下的整洁数据框上执行 MANOVA。“id”是指参与者编号。自变量是“init_cont”（值为 I 或 K）和“family”（值为 C、S 或 D），构成 2x3 设计。“qnumber”栏是指参与者回答的问题数量，每个参与者回答3个问题。“价值”是每个参与者对特定问题的回答。

我对这些数据执行 MANOVA 的最佳方法是什么？我对自变量之间的相互作用以及它们如何影响 3 个问题中的每一个问题的“价值”感兴趣。如果相关，我的实际数据集有 14 个不同的问题。

我考虑过按以下格式重新组织数据，但我不确定如何在 R 中执行此操作。每个新列中“值”之后的数字来自“qnumber”。

I used car package to perform anova analysis. Here I got sum of squares for error and factor (=Site) in the form of matrix. Code is here

Now I want to extract these two matrices from this result for next analysis. My desired output is like this-

After using the following code I got the result of error matrix but I failed to extract the last one.

Could anyone please help me to do it? Thanks in advance.