我正在使用以下代码尝试对我的单元格进行事后比较:
result.lme3<-lme(Response~Pressure*Treatment*Gender*Group, mydata, ~1|Subject/Pressure/Treatment)
aov.result<-aov(result.lme3, mydata)
TukeyHSD(aov.result, "Pressure:Treatment:Gender:Group")
这给了我一个结果,但大多数调整后的p值非常小 - 所以我不相信结果是正确的。
或者我正在尝试这个:
summary(glht(result.lme3,linfct=mcp(????="Tukey")
我不知道如何获得压力:治疗:性别:群体中的代码。
感谢帮助 - 即使它只是我之前未找到的问题的链接。
我有504个观察结果,压力有4个等级并且在每个受试者中重复,治疗有2个等级并且在每个受试者中重复,组有3个等级,性别是显而易见的。
由于
答案 0 :(得分:0)
我解决了使用interaction()函数创建交互虚拟变量的类似问题,该函数包含4个变量的所有组合。
我做了很多测试,显示这个变量的各个级别的估计值显示了活跃级别和交互效应的联合效应。
例如:if:
temperature ~ interaction(infection(y/n), acetaminophen(y/n))
(为了清楚起见,我在括号中设置了可能的水平)交互变量将具有类似&#34; infection.y:acetaminophen.y&#34;这显示了感染,对乙酰氨基酚和两者相互作用的温度对截距的影响(两个变量都是n)。
相反,如果模型是:
temperature ~ infection(y/n) * acetaminophen(y/n)
对于两个变量为y的情况具有相同的系数,您将不得不添加两个简单效果加上交互效果。结果是一样的,但我更喜欢使用交互,因为更干净和优雅。
你使用的是:
summary(glht(model, linfct= mcp(interaction_var = 'Tukey'))
实现你的事后,其中interaction_var&lt; - 相互作用(感染,对乙酰氨基酚)。
需要注意:我从未使用嵌套和混合模型测试此方法,所以要小心!