Question

假设有一个4向交互，2x2x2析因设计加上一个连续变量。因子具有默认对比度编码（contr.treatment）。这是一个例子：

set.seed(1)

cat1 <- as.factor(sample(letters[1:2], 1000, replace = TRUE))
cat2 <- as.factor(sample(letters[3:4], 1000, replace = TRUE))
cat3 <- as.factor(sample(letters[5:6], 1000, replace = TRUE))
cont1 <- rnorm(1000)
resp <- rnorm(1000)
df <- data.frame(cat1, cat2, cat3, cont1, resp)

mod <- lm(resp ~ cont1 * cat1 * cat2 * cat3, data = df)

查看coef(mod)的输出，我们得到类似的结果：

        (Intercept)                   cont1                   cat1b 
        0.019822407             0.011990238             0.207604677 
              cat2d                   cat3f             cont1:cat1b 
       -0.010132897             0.105397591            -0.001153867 
        cont1:cat2d             cat1b:cat2d             cont1:cat3f 
        0.023358901            -0.194991402             0.060960695 
        cat1b:cat3f             cat2d:cat3f       cont1:cat1b:cat2d 
       -0.240624582            -0.117278931            -0.069880751 
  cont1:cat1b:cat3f       cont1:cat2d:cat3f       cat1b:cat2d:cat3f 
       -0.120446848            -0.141688864             0.136945262 
cont1:cat1b:cat2d:cat3f 
        0.201792298

要获得cat1b的估计截距（例如），我们会添加隐式(Intercept)项和cat1b，即coef(mod)[1] + coef(mod)[3]。要获得相同类别的斜率更改，我们将使用coef(mod)[2] + coef(mod)[6]， a la this r-bloggers post。将所有这些写出来都变得相当繁琐，methods(class="lm")看起来没有任何函数可以直接执行此操作。

是否有一些明显的方法来获得每个因子组合的截距和斜率的数值估计值？

Answer 1

您正在寻找lsmeans套餐。看看：

lstrends(mod, specs = c('cat1', 'cat2', 'cat3'), var = 'cont1')

cat1 cat2 cat3 cont1.trend         SE  df    lower.CL  upper.CL
 a    c    e     0.01199024 0.08441129 984 -0.15365660 0.1776371
 b    c    e     0.01083637 0.08374605 984 -0.15350502 0.1751778
 a    d    e     0.03534914 0.09077290 984 -0.14278157 0.2134799
 b    d    e    -0.03568548 0.09644117 984 -0.22493948 0.1535685
 a    c    f     0.07295093 0.08405090 984 -0.09198868 0.2378905
 b    c    f    -0.04864978 0.09458902 984 -0.23426916 0.1369696
 a    d    f    -0.04537903 0.09363128 984 -0.22911897 0.1383609
 b    d    f    -0.03506820 0.08905581 984 -0.20982934 0.1396929

多向互动：获得数值系数估算的简便方法？

1 个答案: