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:lmer错误消息的事后测试,r,R,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 = wh
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