Pruebas post hoc en multcomp :: glht para modelos de efectos mixtos (lme4) con interacciones


10

Estoy realizando pruebas post-hoc en un modelo lineal de efectos mixtos en R( lme4paquete). Estoy usando el multcomppaquete ( glht()función) para realizar las pruebas post-hoc.

Mi diseño experimental es de medidas repetidas, con un efecto de bloqueo aleatorio. Los modelos se especifican como:

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

En lugar de adjuntar mis datos aquí, estoy trabajando con los datos llamados warpbreaksdentro del multcomppaquete.

data <- warpbreaks
warpbreaks$rand <- NA

He agregado una variable aleatoria adicional para imitar mi efecto de "bloqueo":

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

Esto imita mi modelo:

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

Soy consciente del ejemplo en los " Ejemplos adicionales de Multcomp- 2 Way Anova" Este ejemplo lo lleva a una comparación de niveles de tensión dentro de los niveles de wool.

¿Qué sucede si quiero hacer lo contrario: comparar los niveles wooldentro de los niveles de tension? (En mi caso, esto sería comparar los niveles de tratamiento (dos - 0, 1) dentro de los niveles de tiempo (tres - junio, julio, agosto).

Se me ocurrió el siguiente código para hacerlo, pero parece que no funciona (vea el mensaje de error a continuación).

Primero, del ejemplo (con wooly tensionlugares intercambiados):

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 = ":")

De aquí a abajo, mi propio código:

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

Respuestas:


6

Es mucho más fácil hacerlo usando el paquete lsmeans

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

Genial, funciona! Gracias. Nota: este código solo funcionó para mis datos después de cambiar mi variable de repetición de valores numéricos (3 y 6) a valores alfabéticos (A y B).

Bueno, eso importa mucho! Porque es un modelo diferente con timeun predictor numérico. Sospecho que lo querías como factor.
Russ Lenth

¿Cómo puedo generalizar a más predictores? si por ejemplo tengo 3 predictores, ¿cómo funciona?
diviértete

1
@havefun Por favor mira help("lsmeans", package = "lsmeans")y vignette("using-lsmeans"). Hay mucha documentación y muchos ejemplos.
Russ Lenth

1
Cuente el número de comparaciones que obtiene con cada método, no son lo mismo. Lea también sobre ajustes de pruebas múltiples. Cuando tiene una familia más grande de pruebas, los valores de P ajustados son diferentes que para una familia más pequeña. Cuando utiliza una variable por, los ajustes se aplican por separado a cada conjunto.
Russ Lenth
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.