Question

我正在分析参与者对某些问题的二元答案的数据集。我使用glm函数来测试Var * Base_con如何影响Dec的结果。在合适之后，我试图比较＆＃34; Var＆＃34;因素会影响每个＆＃34; Base_con＆＃34;要素水平。在this vignette之后，我尝试了以下（失败）方法，我相信可以复制（请告诉我，如果它不起作用）：

# load example dataset with relevant columns
require(RCurl)
my_csv = getURL("https://docs.google.com/spreadsheets/d/1sBVW7QbnfumeRmY1uEDdiDNJE7QfmCXH0wMmV2lZSH4/pub?gid=0&single=true&output=csv")
eg_data = read.csv(textConnection(my_csv))
# set columns as factors because they are numerically coded
eg_data$Base_con = as.factor(eg_data$Base_con)
eg_data$Var = as.factor(eg_data$Var)
eg_data$Dec = as.factor(eg_data$Dec)

# GLM fit
m1 = glm(Dec ~ Var * Base_con, data = eg_data, family = "binomial")

# strategy for Tukey multiple comparisons
require(multcomp)
tmp = expand.grid(Base_con = unique(eg_data$Base_con), Var = unique(eg_data$Var))
X = model.matrix(~Base_con : Var, data = tmp)
mc = glht(m1, linfct = X)

最后一个命令的输出是：

Error in glht.matrix(m1, linfct = X) : 
  ‘ncol(linfct)’ is not equal to ‘length(coef(model))’

实际上，错误消息报告的两个元素的列数和长度是不同的：

> ncol(X)
[1] 7
> length(coef(m1))
[1] 6

到目前为止，这是我所能取得的成就。有任何想法吗？谢谢大家。

Answer 1

如果您的目标是比较Base_con和Var的互动效果，更直接的方法可能是为这些互动创建一个新术语（这里我已将数据框名称更改为{ {1}}）：

然后拟合模型并进行比较：

d$BV <- interaction(d$Base_con, d$Var)

GLM之后的多重比较包括交互术语

1 个答案: