lsmeans和difflsmeans不返回lmer对象的输出
我试图计算lmer混合模型中固定效应的置信区间,difflsmeans和lsmeans只返回一个空表。我尝试过lme(),但在模型收敛方面遇到了问题(因此使用lmer) 数据如下所示(其中bout是相关的1级变量,TWaverage是相关的2级变量,性别、位置和RA是进一步的嵌套级别): 我的型号规格如下所示:lsmeans和difflsmeans不返回lmer对象的输出,r,lme4,confidence-interval,mixed-models,R,Lme4,Confidence Interval,Mixed Models,我试图计算lmer混合模型中固定效应的置信区间,difflsmeans和lsmeans只返回一个空表。我尝试过lme(),但在模型收敛方面遇到了问题(因此使用lmer) 数据如下所示(其中bout是相关的1级变量,TWaverage是相关的2级变量,性别、位置和RA是进一步的嵌套级别): 我的型号规格如下所示: groupSizeRandom = lmer(bout ~ TWaverage + (TWaverage|ID), data, REML = F) 我这样调用lsmeans(我知道它应
groupSizeRandom = lmer(bout ~ TWaverage + (TWaverage|ID), data, REML = F)
我这样调用lsmeans(我知道它应该给我模型中所有固定效应的置信区间):
但是,它只返回一个空表(不带值):
有人知道为什么吗?或者如何计算我上面指定的模型的CI 这里有几个问题
- 如果您只需要固定效应参数的置信区间,您可以通过
获得似然分布CI,或通过confint(groupsizeradom)
(请参见confint(groupsizeradom,method=“Wald”)
)获得WAD CI?confint.merMod
- 正如评论中指出的,有两个
函数lsmeans
将仅报告lmerTest::lsmeans
变量的lsmeans。正如评论中指出的,“因子”在R中有一个特定的含义——它意味着一个分类的预测(独立)变量因子
是一个连续的预测值,所以用R表示,它不是一个“因子”t平均值
如果您使用lsmeans::lsmeans
,它将满足您的要求lsmeans(groupSizeRandom,spec=“TWaverage”)
groupSizeRandom = lmer(bout ~ TWaverage + (TWaverage|ID), data, REML = F)
lsmeans(groupSizeRandom,test.effs = NULL)
Least Squares Means table:
Estimate Standard Error DF t-value Lower CI Upper CI p-value