Question

我正在尝试使用R在混合方法Anova的重要交互之后运行事后比较。我想使用估计的边际均值而不是假设方差相等来进行类似于SPSS [EMMEANS = TABLES（Group * time）COMPARE（Group）ADJ（BONFERRONI）]的post-hoc。

Dependent variable ='depvar'。我有3组（'组'）和3个时间点（'timept'），这是对主题的重复测量（'id'）;

aov_car(depvar ~ group*timept + Error(id/(timept)), data=myData)

如果我使用pairwise.t.test，我可以为每个时间点分别比较组，但R使用观察到的方法，我不知道如何强制使用模型的估计边际方法：

for (itimept in unique(myData$timept)){
      idx=myData$timept==itimept
      pairwise.t.test(myData$depvar[idx],myData$group[idx],p.adj="bonferroni")
    }

如果我使用emmeans或lsmeans，那么R使用估计的边际均值，但假设方差是相同的（结果中的SE都是相同的）。

myfit=lme(depvar ~ group*timept, random = ~1|id/timept, data=myData)
emmeans(myfit, pairwise~group|timept, adjust="bonferroni")

如何使用估计的边际均值（但不假设等方差）在每个时间点的组之间进行事后比较，类似于SPSS？

谢谢！克里斯蒂娜

Answer 1

假设方差相等，emmeans不是emmeans。您安装并随后将{em>模型交给weights进行进一步分析。我认为，使用指定不等方差的myfit = lme(depvar ~ group*timept, random = ~1|id/timept, weights = varFunc(~ group*timept), data = myData)参数来拟合不同的模型。

我相信这个模型可以解决问题：

{{1}}

R：使用估计的边际均值进行事后比较，但不假设方差相等

1 个答案: