GLMM数据集的多重比较（比例/二项式响应） - lsmeans？

Question

我有一个运行良好的glmm，并产生具有生物意义的结果。我想与我感兴趣的水平预测变量I进行多重比较（6个水平的因子 - 在图中标记为Body）。这个因素及其与Class的相互作用在GLMM中是显着的（如预期的那样）。

我尝试使用此代码使用lsmeans：

lsmc <- lsmeans(modelc, ~ Class*Body)
plot(lsmc, by = "Class", intervals = TRUE, type = "response")
cld(lsmc)

结果是分组代码混乱的混乱：

> cld(lsmc)
Class  Body    lsmean        SE df asymp.LCL asymp.UCL .group    
a      6    -4.134310 0.2707025 NA -4.664878 -3.603743  123      
a      3    -3.970351 0.2728055 NA -4.505040 -3.435662  123      
a      4    -3.928422 0.2704543 NA -4.458502 -3.398341  123      
a      5    -3.882009 0.2692264 NA -4.409683 -3.354335  123456   
b      6    -3.736560 0.4111311 NA -4.542362 -2.930758  1  4  7  
a      1    -3.526359 0.2772493 NA -4.069757 -2.982960     456789
a      2    -3.343117 0.2711772 NA -3.874614 -2.811619        789
b      5    -3.200230 0.4107996 NA -4.005383 -2.395078   2  5  8 
b      1    -2.879111 0.4122133 NA -3.687034 -2.071187   23 56 89
b      2    -2.840026 0.4110968 NA -3.645761 -2.034291    3  6  9
b      3    -2.818114 0.4102995 NA -3.622287 -2.013942    3  6  9
b      4    -2.649563 0.4096440 NA -3.452450 -1.846675    3  6  9

据我所知，非连续分组代码，如所有B类中所示，都不是一个好兆头。

还有另一种方法可以与GLMM的输出进行多次和/或成对比较吗？