Question

我试图分析一些数据，其中我有三个解释变量名为＆＃34; Estimulo＆＃34;，＆＃34; Velocidad＆＃34;和＆＃34; Viendocon＆＃34; （所有这些都被视为因素）和一个响应变量，名为＆＃34; Vueltasmin＆＃34;，这是一个数字。

当我在各种条件下测量Vueltasmin时，我使用线性混合模型，其中变量“Bicho”（即：受试者）是随机效应变量，表明测量对于一个受试者不是独立的。

为了使模型更简单，我在我的变量（Estimulo * Viendocon，Estimulo * Velocidad和Velocidad * Viendocon）之间包含了所有三种可能的双重交互，但不包括三变量交互（Estimulo * Velocidad * Viendocon）（命名为＆＃34; m1＆＃34;），为了符合方差的正态性和相等性，我必须删除一些数据点，因此我最终使用的模型被命名为“m1bis”。

当我尝试执行Tukey多重比较方法时，我不得不重新编写模型，将我的变量命名为“int1”，“int2”和“int3”，这三个是双重交互。

然后，R能够执行第一次Tukey比较，关于int1，但不是第二次和第三次，这是我的问题：我想进行所有三次比较作为摘要（m1bis）显示所有双重交互是统计上的我无法分析变量的主要影响。

我得到的错误如下：

Error in Ktotal[count:(count + nrow(h$K) - 1), h$where] <- h$K :number of     items to replace is not a multiple of replacement length

如果有人能帮助或指导我，我将非常感激。非常感谢您提前，

亚伊尔。

这是我正在运行的脚本

m1bis <- lmer(Vueltasmin~Velocidad+Estimulo+Viendocon+Velocidad*Viendocon+Velocidad*Estimulo+Viendocon*Estimulo + (1|Bicho), data = Datosm1bis)
summary(m1bis)

e1bis<-resid(m1bis) 

pred1bis<-predict(m1bis) 
windows()
par(mfrow = c(1, 2))
plot(pred1bis, e1bis, xlab="Predichos", ylab="Residuos de pearson",main="Gráfico de dispersión de RE vs PRED",cex.main=.8 ) #Grafico RP vs predichos para ver ausencia de patrones
abline(0,0)
qqnorm(e1bis, cex.main=.8)   
qqline(e1bis)
par(mfrow = c(1, 1))
shapiro.test(e1bis)


model.matrix.gls <- function(object, ...) {
model.matrix(terms(object), data = getData(object), ...)
}
model.frame.gls <- function(object, ...) {
model.frame(formula(object), data = getData(object), ...)
}
terms.gls <- function(object, ...) {
terms(model.frame(object), ...)
}



Datosm1bis['int1'] <- with(Datosm1bis, interaction(Estimulo,Viendocon))
Datosm1bis['int2'] <- with(Datosm1bis, interaction(Estimulo,Velocidad))
Datosm1bis['int3'] <- with(Datosm1bis, interaction(Velocidad,Viendocon))

m1bisbis <- lmer(Vueltasmin~int1+int2+int3 + (1|Bicho), data = Datosm1bis)
summary(m1bisbis)

tukeyINT<-glht(m1bisbis,linfct=mcp(int1="Tukey"))
summary(tukeyINT)
cld(tukeyINT)

tukeyINT2<-glht(m1bisbis,linfct=mcp(int2="Tukey"))
summary(tukeyINT2)
cld(tukeyINT2)

tukeyINT3<-glht(m1bisbis,linfct=mcp(int3="Tukey"))
summary(tukeyINT3)
cld(tukeyINT3)

以下是我的数据库示例（请忽略Ganancia专栏）：

Bicho   Velocidad   Viendocon   Estimulo    Vueltasmin  Ganancia
92  Uno Derecho Horario 1   1
93  Uno Derecho Horario 0.916666667 0.916666667
94  Uno Derecho Horario 1.333333333 1.333333333
95  Uno Derecho Horario 0   0
96  Uno Derecho Horario 0.833333333 0.833333333
97  Uno Derecho Horario 0.833333333 0.833333333
98  Uno Derecho Horario 0.5 0.5
100 Uno Derecho Horario 0   0
101 Uno Derecho Horario 0.5 0.5
102 Uno Derecho Horario 0.333333333 0.333333333
103 Uno Derecho Horario 1.083333333 1.083333333
104 Uno Derecho Horario 0   0
105 Uno Derecho Horario 0.333333333 0.333333333
106 Uno Derecho Horario 0.333333333 0.333333333
108 Uno Derecho Horario 1.333333333 1.333333333
109 Uno Derecho Horario 0.833333333 0.833333333
110 Uno Derecho Horario 0.083333333 0.083333333
111 Uno Derecho Horario 1   1
92  Uno Derecho Antihorario 0   0
93  Uno Derecho Antihorario -0.166666667    -0.166666667
94  Uno Derecho Antihorario 0.166666667 0.166666667
95  Uno Derecho Antihorario 0   0
96  Uno Derecho Antihorario 0.083333333 0.083333333
97  Uno Derecho Antihorario 0.083333333 0.083333333
98  Uno Derecho Antihorario 0.166666667 0.166666667
100 Uno Derecho Antihorario 0   0
101 Uno Derecho Antihorario 0.166666667 0.166666667
102 Uno Derecho Antihorario 0.416666667 0.416666667
103 Uno Derecho Antihorario 0   0
104 Uno Derecho Antihorario -0.083333333    -0.083333333
105 Uno Derecho Antihorario 0   0
106 Uno Derecho Antihorario 0   0
108 Uno Derecho Antihorario -0.583333333    -0.583333333
109 Uno Derecho Antihorario 0   0
110 Uno Derecho Antihorario 0.166666667 0.166666667
111 Uno Derecho Antihorario -0.166666667    -0.166666667

如何使用包含三个双重交互项的线性模型进行Tukey比较？

0 个答案: