Question

我正在运行具有类似结构的模型：

model <- glmer(protest ~ factora*factorb*numeric+factora+factorb+numeric+1 + (1 + factor1|level1) + (1|level2), data=data, family=binomial(link='logit'))

其中factora和factorb是因子变量，numeric是数值变量。

我很好奇在factora（1-5）的两个值（在整个数值范围内）之间保持factorb恒定为3时，交互作用中对比度的统计意义值。

我没有运气就尝试了以下选项：

library(psycho)
get_contrasts(model, formula="factora:factorb:numeric", adjust="tukey")
View(contrasts$contrasts)

这有效，但不幸的是结果保持numeric不变，并且仅变化factora和factorb。因此，它不能回答我的问题。

我也尝试过：

library(multcomp)
test = glht(model,linfct=mcp("factora:factorb:numeric"="Tukey"))

这会产生错误

Error in mcp2matrix(model, linfct = linfct) : 
  Variable(s) ‘factora:factorb:numeric’ have been specified in ‘linfct’ but cannot be found in ‘model’!

不考虑我指定交互的方式，尽管有其他功能，例如get_contrasts，查找交互的方式也相同。

我也尝试过：

library(emmeans)
contrast(m.3[[2]], interaction = c("factora", "factorb", "numeric"))

但这不支持glmer。

有什么想法吗？

Answer 1

这里有几个问题使您不满意。

一个是我们没有真正将对比应用于数字预测变量。数值预测变量具有斜率，而不是对比度。并且如果您有一个数值预测变量与因子相互作用的模型，则意味着数值预测变量的斜率在因子的每个水平上都是不同的。 emmeans 软件包中的函数emtrends()可帮助您估算那些不同的斜率。

第二个是interaction中的emmeans::contrast()参数需要使用对比度的类型规范，例如"pairwise"。应用于它们的因素是第一个参数的emmGrid对象中的因素。

所以...我想也许您想尝试这样的事情：

emt <- emtrends(model, ~ factora*factorb, var = "numeric")
emt    # list the estimated slopes

contrast(emt, interaction = "consec")
    # obtain interaction contrasts comparing consecutive levels of the two factors

与glmer的互动对比

1 个答案: