使用lsmeans无法获得调整的glmer手段

Question

我有一个glm，我想调整使用lsmeans的方法。以下代码生成模型（并且似乎正确地执行了它）：

library(lmerTest)
data$group <- as.factor(data$grp)
data$site <- as.factor(data$site)
data$stimulus <- as.factor(data$stimulus)

data.acc1 = glmer(accuracy ~ site + grp*stimulus + (1|ID), data=data, family=binomial)

但是，当我尝试使用以下任何代码来获取模型的调整方法时，我会收到错误

  

lsmeansLT中的错误（model，test.effs = test.effs，ddf = ddf）：
    该模型不是线性混合效应模型。

lsmeans(data.acc1, "stimulus")

或

data.lsm <- lsmeans(data.acc1, accuracy ~ stimulus ~ grp)
pairs(data.lsm)

有任何建议吗？

Answer 1

问题在于您使用glmer()（在这种情况下是混合逻辑回归模型）创建了一个广义线性混合模型，而不是使用lmer()的线性混合模型。 lsmeans()函数不接受glmer()创建的对象，因为它们不是线性混合模型。

这篇文章中的答案可能有所帮助：I can't get lsmeans output in glmer

如果您想了解/计算混合GLM的边际效应，这篇文章可能会有用：Is there a way of getting "marginal effects" from a `glmer` object