Question

我希望用3个变量Tleaf，Tair和orientation（具有两个级别的因子）分析不平衡数据集。考虑到因素“方向”的影响，我想确定“Tair”是否对Tleaf有显着影响并确定Tair参数的估计（我想知道Tleaf的斜率“a”= a（Tair））+ b）中。考虑到数据集是不平衡的（对于因子“方向”的第一级有1400次观察，对第二级有1000次观察）并考虑到方向* Tair之间的相互作用，这里是我对函数lsmeans（）所做的et lstrends（）包“lsmeans”：

a=read.table("data.txt", header=TRUE) 
options(contrasts = c("contr.sum","contr.poly")) 
mod=lm(Tleaf~orientation*Tair, na.action="na.exclude", data=a) 
org.lsm=lsmeans(modJuin,~TairMax|orientation) 
summary(org.lsm, infer = c(TRUE,TRUE), level = .95, adjust = "bon")

以下是摘要（）的结果：

orientation = East: 
  Tair      lsmean        SE  df lower.CL upper.CL t.ratio p.value 
 22.28218 24.93279 0.1016984 349 24.73277 25.13281 245.164  <.0001 

orientation = West: 
  Tair      lsmean        SE  df lower.CL upper.CL t.ratio p.value 
 22.28218 24.65817 0.1316022 349 24.39934 24.91701 187.369  <.0001 

Confidence level used: 0.95

我注意到 Tair对Tleaf有显着影响（p <0.0001），Tleaf的边际平均值为“East”水平为24.93°C，“West”水平为24.66°C 因素“取向”。

然后，我使用函数lstrends（）来获得Tleaf = f（Tair）斜率的估计值：

pente=lstrends (mod, "orientation", var="TairMax") 
orientation TairMax.trend         SE  df  lower.CL  upper.CL 
 East            0.8568581 0.02292076 349 0.8117779 0.9019383 
 West            0.9401517 0.03008866 349 0.8809738 0.9993296 

Confidence level used: 0.95

我注意到 Tleaf = a * Tair + b的参数“a”是0.86（东）和0.94（西）。

以下是我的问题：

1）用lsmeans（）确定变量Tair的有效性并用lstrends确定斜率是正确的吗？

2）难道不可能同时获得Tair的意义和其参数的斜率估计吗？（节省时间，代码等）

3）我对输出的理解是否有任何错误？

感谢。罗宾。

LSmeans - 具有交互作用的不平衡数据

0 个答案: