lmer错误消息的事后测试

我正在R中运行一个线性混合效果模型，我能够成功地运行我的代码并获得结果

我的代码如下：

library(lme4)
library(multcomp)
read.csv(file="bh_new_all_woas.csv")  
whb=read.csv(file="bh_new_all_woas.csv")  
attach(whb)  
head(whb)  
whb.model = lmer(Density ~ distance + (1|Houses) + Cats, data = whb)  
summary(whb.model)

然而，我想比较一下我的距离固定因子，它有4个级别。我试着运行一个lsmean，如下所示：

lsmeans(whb.model, pairwise ~ distance, adjust = "tukey") 

出现以下错误：

Error in match(x, table, nomatch = 0L) : 'match' requires vector arguments

我还使用以下代码尝试了glht：

glht(whb.model, linfct=mcp(distance="tukey"))

得到了同样的结果。我的数据样本如下：

Houses  distance   abund       density      
House 1 20         0           0
House 1 120        6.052357    0.00077061
House 1 220        3.026179    0.000385305
House 1 320        7.565446    0.000963263
House 2 20         0           0
House 2 120        4.539268    0.000577958
House 2 220        6.539268    0.000832606
House 2 320        5.026179    0.000639953
House 3 20         0           0
House 3 120        6.034696    0.000768362
House 3 220        8.565446    0.001090587
House 3 320        5.539268    0.000705282
House 4 20         0           0
House 4 120        6.052357    0.00077061
House 4 220        8.052357    0.001025258
House 4 320        2.521606    0.000321061
House 5 20         4.513089    0.000574624
House 5 120        6.634916    0.000844784
House 5 220        4.026179    0.000512629
House 5 320        5.121827    0.000652131
House 6 20         2.513089    0.000319976
House 6 120        9.308185    0.001185155
House 6 220        7.803613    0.000993587
House 6 320        6.130344    0.00078054
House 7 20         3.026179    0.000385305
House 7 120        9.052357    0.001152582
House 7 220        7.052357    0.000897934
House 7 320        6.547785    0.00083369
House 8 20         5.768917    0.000734521
House 8 120        4.026179    0.000512629
House 8 220        4.282007    0.000545202
House 8 320        7.537835    0.000959747
House 9 20         3.513089    0.0004473
House 9 120        5.026179    0.000639953
House 9 220        8.052357    0.001025258
House 9 320        9.573963    0.001218995
House 10 20        2.255828    0.000287221
House 10 120       5.255828    0.000669193
House 10 220       10.060874   0.001280991
House 10 320       8.539268    0.001087254

---

有人对如何解决这个问题有什么建议吗？

那么哪个问题需要解决呢？一个问题是模型，另一个问题是模型的后续行动

显示的模型使用固定效果

~distance+Cats

进行安装。现在，

Cats

不在提供的数据集中，因此这是一个问题。但除此之外，

distance

作为定量预测因子进入模型（如果我相信

read.csv

语句等）。该模型表明，预期密度的变化与距离的变化成正比。这是一个合理的模式吗？也许，也许不是。但是，对距离进行多次比较是否合理？绝对不是。根据该模型，20到120的

距离

s之间的变化将与120到220的

距离

s之间的变化完全相同。从模型摘要中估算的

距离的斜率

，包含了您需要了解的有关

距离影响的所有信息。不应进行多重比较

现在，有人可能会从这个问题猜测，您真正想要做的是拟合一个模型，其中四个
距离中的每一个都有自己的效果，与其他距离分开。这将需要一个带有
因子（距离）
作为预测因子的模型；在这种情况下，
因子（距离）
将考虑3个自由度而不是1个d.f.
距离
作为定量预测因子。对于这样一个模型，可以进行多次比较（除非距离也可能与其他预测因素相互作用）。如果您适合这样一个模型，我相信您会发现您的
lsmeans
调用中不会出现错误（尽管您需要
库（“lsmeans”）
语句，而不是显示在代码中

<>最后，让程序无错误地运行并不等于产生明智的或有意义的答案。所以我真正的答案是仔细考虑什么是一个合理的数据模型。我可以建议从统计顾问中寻求一对一的帮助，以确保你理解建模问题。一旦解决了这个问题。，那么下一步就是对该模型进行适当的解释；同样，这可能需要一些建议

关于提供的代码的其他次要注释：


第一个
read.csv
调用没有任何作用，因为它没有存储数据
R是区分大小写的，所以从技术上讲，
Density
也不在数据集中
当数据帧是
attach
ed时，在
lmer
调用中也不需要
data
参数
House
具有级别“House 1”、“House 2”等的明显事实在您的列表中被搞乱了，因为数据文件中没有显示逗号分隔符
那么，哪个问题需要解决？一个问题是模型，另一个问题是后续问题

显示的模型使用固定效果
~distance+Cats
进行拟合。现在，
Cats
不在提供的数据集中，因此这是一个问题。但除此之外，
distance
作为定量预测因子输入模型（如果我相信
read.csv
语句等）。该模型意味着预期的
密度的变化与
距离的变化成正比。这是一个合理的模型吗？可能，可能不是。但是，通过对
距离的多次比较来跟踪它是否合理？肯定不是。从该模型来看，
距离之间的变化为20到120将与120和220的
距离
s之间的变化完全相同。模型摘要中估计的
距离
斜率包含了您需要了解的有关
距离
影响的所有信息。不应进行多次比较

现在，有人可能会从这个问题中猜测，您真正想要做的是拟合一个模型，其中四个
距离
s中的每一个都有自己的影响，与其他距离分开。这需要一个带有
因子（距离）
作为预测因子的模型；在这种情况下，
因子（距离）
将考虑3个自由度，而不是1个d.f.
距离作为定量预测因子。对于这种模型，后续进行多重比较是合适的（除非距离也可能与其他预测因子相互作用）。如果您适合这样的模型，我相信您会发现您的
lsmeans
调用中不会出现错误（尽管您需要
库（“lsmeans”）
语句，而不是显示在您的代码中

<>最后，让程序无错误地运行并不等于产生明智的或有意义的答案。所以我真正的答案是仔细考虑什么是一个合理的数据模型。我可以建议从统计顾问中寻求一对一的帮助，以确保你理解建模问题。一旦解决了这个问题。，那么下一步就是对该模型进行适当的解释；同样，这可能需要一些建议

关于提供的代码的其他次要注释：


第一个
read.csv
调用没有任何作用，因为它没有存储数据
R是区分大小写的，所以从技术上讲，
Density
也不在数据集中
当数据帧