Question

我很难回到emmeans包给出的“CL”值。

我的第一个目标是进行一种功效研究：我正在研究植物，我想看看我能在下个季节改进实验设计，以便在我的基因型之间产生更大的差异。我的基因型被重复，这被用作阻断因子。我想玩重复次数（假设平均值和剩余SE保持不变）。最后，我想在预算问题和统计权力之间找到妥协。

我正在考虑查看置信区间（CI），记住如果两种基因型的CI涵盖至少一个共同值，则这两种基因型没有显着差异。所以我想知道在玩重复次数时我能减少多少CI。

我猜测使用Tukey方法进行多重比较的CI计算是：

μi±（σ/（2 *√（ni）））* q

，μi是第i个基因型的平均值

ni第i个基因型的观察数量，

σ残差标准误差和

q带有t（基因型数）和dfE（残差自由度）的学生化范围统计量作为α= 0.05的参数

相当于：

μi±（SEi * q）/ 2

SEi是第i个基因型的标准误差

以下是一个小型示例数据集，包含6种基因型和3次重复以及我运行的代码：

library(emmeans)

# import DF
df <- structure(list(Geno = structure(c(6L, 3L, 2L, 1L, 4L, 5L, 2L, 
                                     4L, 5L, 1L, 3L, 6L, 2L, 3L, 1L, 5L, 6L, 4L),
                                   .Label = c("A", "B", "C", "D", "E", "F"),
                                   class = "factor"), variable = c(2.279628571, 3.925157143, 3.089, 2.26, 2.503,
                                                                   2.495114286, 2.867166667, 3.069238095, 3.884285714, 3.409595238, 
                                                                   3.710714286, 1.763142857, 2.865285714, 4.219214286, 3.263452381, 
                                                                   3.359428571, 2.335285714, 2.443), 
                 Rep = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L), 
                                 .Label = c("1", "2", "3"), class = "factor")), .Names = c("Geno", "variable", "Rep"),
            row.names = c(NA, 18L), class = "data.frame")

# Number of observation
N <- nrow(df)

# Number of treatments
t <- nlevels(df$Geno)

# Define the model
model <- lm(data=df, variable ~ Geno + Rep)

# Compute means and confidence intervals
E_means <- as.data.frame(emmeans(model, pairwise~Geno)$emmean)

# Extract Standard Errors
se <- E_means[,"SE"]

# Studentized range statistic
q <- qtukey(0.95, nmeans=t, df=E_means[,"df"])

expected_CI <- se*q/2
emmeans_CI <- ((E_means[,"upper.CL"] - E_means[,"lower.CL"])/2)

print(expected_CI)
print(emmeans_CI)

请注意，我处理不平衡数据的大部分时间（因此我对每种基因型都有不同的SE）。我想首先明确一个简单的（=平衡的）案例。

expected_CI和emmeans_CI对于我到目前为止所完成的每个测试总是不同的（不是很不一样，但仍然不同）所以我想我的计算方式与emmeans包相同。所以这是我的问题：如何在emmeans包中完成？

非常感谢任何帮助！

Answer 1

您似乎将EMM与EMM的差异混淆。此外，您使用的公式仅适用于平衡单向设计。

以您的示例为例，您将尝试：

emm <- emmeans(model, pairwise ~ Geno)

然后执行：

confint(emm$emmeans, adjust = "tukey")
confint(emm$contrasts, adjust = "tukey")

你会注意到一些事情。首先，EMM本身的CI不使用指定的Tukey调整（它用Sidak替换它），因为该调整仅适用于成对比较。其次，两个摘要具有不同数量的结果（除了恰好有3个处理时）和不同的标准误差。例如，通过4次治疗，有4个EMM，但有6个成对比较;如果设计不平衡，可能会有6种不同的SE与这些比较相关联。

如果您想了解成对比较的Tukey调整，您需要使用适合于成对比较的统计数据 - 第二个摘要。 Tukey调整的CI使用估计的差异加或减sqrt(0.5*qtukey(.95, nmeans, df)) * SE，其中SE来自成对差异的结果。

如何用Tukey方法调整emmeans的置信区间？

1 个答案: