Question

我有一个非常简单的拟合模型，看起来像：

fm <- lmer(Height~Site*HW+(1|Plot))

其中Height和HW是连续变量，Site和Plot是分类的。站点具有3个级别（A，B，C），我运行了一个II型Wald Chi正方形，它表明交互作用项非常重要，我解释这是因为站点的高度与硬件坡度有所不同：

> Anova(fm)
Analysis of Deviance Table (Type II Wald chisquare tests)

Response: Height
            Chisq Df Pr(>Chisq)    
Site       26.147  2    2.1e-06 ***
HW         91.089  1    < 2e-16 ***
Site:HW    13.775  2    0.00102 **

我有兴趣进行事后调查，以了解哪些地点的坡度有没有大的不同。我尝试了以下操作，但看起来与绘制数据时的视觉效果不太匹配。这是正确的代码吗？

leastsquare = lsmeans(fm,pairwise ~ Site:HW,adjust = "tukey")
leastsquare$contrasts

contrast     estimate     SE     df    t.ratio p.value
A - B        0.00206      0.0113 4.87  0.182   0.9819 
A - C       -0.04496      0.0101 4.88 -4.438   0.0163 
B - C       -0.04703      0.0113 4.87 -4.154   0.0212

所以这是我的第一个问题：以上是测试我的分类变量的三个级别之间的斜率差异的正确方法吗？

我还想知道三个站点级别的平均值之间如何不同（除了上面的斜率问题）。我可以只在网站上运行事后tukey吗？如果执行此操作，则会给我警告。在考虑交互作用的同时，有没有更好的方法来询问主要效果？

提前谢谢！

Answer 1

那是因为显示的代码比较的是平均值，而不是斜率。查看emtrends（或lstrends）函数。两者都记录在 emmeans 包中。

emt = emtrends(fm, “Site”, var = HW)
emt    # estimated slopes
pairs(emt)    # pairwise comparisons

Tukey是测试混合效果ANCOVA之后坡度差异的最佳方法吗？

1 个答案: