Post-hoc-Tests in multcomp :: glht für Modelle mit gemischten Effekten (lme4) mit Wechselwirkungen

Ich führe Post-hoc-Tests an einem linearen Mischeffektmodell in R( lme4Paket) durch. Ich verwende multcompPaket ( glht()Funktion), um die Post-Hoc-Tests durchzuführen.

Mein experimenteller Entwurf besteht aus wiederholten Messungen mit einem zufälligen Blockeffekt. Die Modelle sind wie folgt spezifiziert:

mymod <- lmer(variable ~ treatment * time + (1|block), data = mydata, REML = TRUE)

Anstatt meine Daten hier anzuhängen, arbeite ich an den warpbreaksim multcompPaket aufgerufenen Daten .

data <- warpbreaks
warpbreaks$rand <- NA

Ich habe eine zusätzliche Zufallsvariable hinzugefügt, um meinen "Block" -Effekt nachzuahmen:

warpbreaks$rand <- rep(c("foo", "bar", "bee"), nrow(warpbreaks)/3)

Dies ahmt mein Modell nach:

mod <- lmer(breaks ~ tension * wool + (1|rand), data = warpbreaks)

Mir ist das Beispiel in " Zusätzliche Multcomp-Beispiele - 2-Wege-Anova" bekannt. Dieses Beispiel führt Sie zu einem Vergleich der Spannungsniveaus innerhalb der Niveaus von wool.

Was ist, wenn ich das Gegenteil tun möchte - die Ebenen woolinnerhalb der Ebenen von vergleichen tension? (In meinem Fall würde dies einen Vergleich der Behandlungsniveaus (zwei - 0, 1) innerhalb der Zeitniveaus (drei - Juni, Juli, August) bedeuten.

Ich habe mir dazu den folgenden Code ausgedacht, aber er scheint nicht zu funktionieren (siehe Fehlermeldung unten).

Zunächst aus dem Beispiel (mit woolund tensionvertauschten Stellen):

tmp <- expand.grid(wool = unique(warpbreaks$wool), tension = unique(warpbreaks$tension))
X <- model.matrix(~ tension * wool, data = tmp)
glht(mod, linfct = X)

Tukey <- contrMat(table(warpbreaks$wool), "Tukey")

K1 <- cbind(Tukey, matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)))
rownames(K1) <- paste(levels(warpbreaks$tension)[1], rownames(K1), sep = ":")

K2 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(warpbreaks$tension)[2], rownames(K2), sep = ":")

Von hier nach unten mein eigener Code:

K3 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(warpbreaks$tension)[3], rownames(K3), sep = ":")

K <- rbind(K1, K2, K3)
colnames(K) <- c(colnames(Tukey), colnames(Tukey))

> summary(glht(mod, linfct = K %*% X))
Error in summary(glht(mod, linfct = K %*% X)) : 
  error in evaluating the argument 'object' in selecting a method for function 'summary': Error in K %*% X : non-conformable arguments

— Ashley Asmus
quelle

Es ist viel einfacher, das lsmeans-Paket zu verwenden

library(lsmeans)
lsmeans(mod, pairwise ~ tension | wool)
lsmeans(mod, pairwise ~ wool | tension)

— Russ Lenth
quelle

Großartig, es funktioniert! Vielen Dank. Hinweis: Dieser Code funktionierte nur für meine Daten, nachdem meine Wiederholungsvariable von numerischen Werten (3 & 6) in alphabetische Werte (A & B) geändert wurde.

Nun, das ist sehr wichtig! Weil es ein anderes Modell mit timeeinem numerischen Prädiktor ist. Ich vermute, Sie wollten es als Faktor.

— Russ Lenth

Wie kann ich auf mehr Prädiktoren verallgemeinern? Wenn ich zum Beispiel 3 Prädiktoren habe, wie funktioniert das?

— Viel Spaß

@havefun Bitte schauen Sie help("lsmeans", package = "lsmeans")und vignette("using-lsmeans"). Es gibt viele Dokumentationen und viele Beispiele.

— Russ Lenth

Zählen Sie die Anzahl der Vergleiche, die Sie mit jeder Methode erhalten. Sie sind nicht gleich. Informieren Sie sich auch über Anpassungen bei mehreren Tests. Wenn Sie eine größere Testfamilie haben, unterscheiden sich die angepassten P-Werte von denen einer kleineren Familie. Wenn Sie eine By-Variable verwenden, werden die Anpassungen für jeden Satz separat angewendet.

— Russ Lenth