Statistiken und Big Data lsmeans

1

Welche Mehrfachvergleichsmethode kann für ein älteres Modell verwendet werden: lsmeans oder glht?

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Als nächstes führte ich einen Likelihood-Ratio-Test dieses Modells gegen das Modell ohne festen Effekt (Bedingung) …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

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 …

10 mixed-model post-hoc lsmeans lme4-nlme

1

Was berichtet lsmeans für ein verallgemeinertes lineares Modell wie das Poisson-Mischmodell (passend zu glmer)?

Ich analysiere die Eye-Tracking-Daten eines entworfenen Experiments. Eine vereinfachte Version meiner Daten sieht folgendermaßen aus (Sie können die Daten von dput () hier abrufen ). head(lookDATA) participant fixationImage fixationCount 1 9 Automobile 81 2 9 Bird 63 3 9 Chair 82 4 9 Dog 64 5 9 Face 90 6 …

10 r mixed-model poisson-regression lsmeans lme4-nlme

2

großer Unterschied zwischen den Schätzungen der binomialen Regression bei Einbeziehung des Zufallseffekts und der Nicht-Regression

Ich versuche, die durchschnittliche Punktzahl für zwei Gruppen von Studenten zu schätzen. Ich benutze ein binomiales Regressionsmodell. Dies total_ansist die Gesamtfrage, die sie beantwortet haben und die für verschiedene Schüler unterschiedlich sein kann. Modell 1 schätzt direkt model <- glm(cbind(total_correct, total_ans-total_correct) ~ student_type,family= binomial, data = df) Call: glm(formula = …

7 generalized-linear-model lme4-nlme random-effects-model lsmeans

2

lsmeans (R): Passen Sie mehrere Vergleiche mit Interaktionstermen an

Ich habe ein lsmeans-Problem in R. Ich möchte eine Post-hoc-Analyse einer Interaktion durchführen, ähnlich den Beispielen in der lsmeans-Dokumentation. Ich bin verwirrt darüber, dass die p-Werte gleich sind, ob ich sie benutze warp.lm <- lm(breaks ~ wool * tension, data = warpbreaks) (EIN): lsmeans(warp.lm, list(pairwise ~ wool|tension, pairwise ~ tension|wool)) …

7 r interaction post-hoc lsmeans

Als «lsmeans» getaggte Fragen