R 在进行线性混合模型分析后,如何分离成对差异?
我收集了关于三个饮食治疗组在三个时间点对蛋白质合成的影响的数据。因为我缺少数据,所以我选择对数据进行线性混合模型分析,而不是双向重复测量方差分析。具体来说,我在mac电脑[x86_64-apple-darwin17.0(64位)]上使用R(版本4.0.2)中的“nlme”软件包 我特别感兴趣的是研究因变量(在我的例子中,分数合成率,fsr)上的饮食(组)和时间点(阶段)之间的相互作用。因此,我运行了以下代码行:R 在进行线性混合模型分析后,如何分离成对差异?,r,mixed-models,nlme,posthoc,R,Mixed Models,Nlme,Posthoc,我收集了关于三个饮食治疗组在三个时间点对蛋白质合成的影响的数据。因为我缺少数据,所以我选择对数据进行线性混合模型分析,而不是双向重复测量方差分析。具体来说,我在mac电脑[x86_64-apple-darwin17.0(64位)]上使用R(版本4.0.2)中的“nlme”软件包 我特别感兴趣的是研究因变量(在我的例子中,分数合成率,fsr)上的饮食(组)和时间点(阶段)之间的相互作用。因此,我运行了以下代码行: model5 <- lme(fsr~group + phase + group
model5 <- lme(fsr~group + phase + group*phase,data=data, random=~1|subID, na.action=na.omit, method="ML")
如果我再看看固定效应的III型测试,使用:
anova.lme(model5, type="marginal", adjustSigma = F)
我得到以下输出:
numDF denDF F-value p-value
(Intercept) 1 32 310.53538 <.0001
group 2 19 0.26934 0.7667
phase 2 32 16.97659 <.0001
group:phase 4 32 0.62842 0.6457
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fsr ~ group + phase + group * phase, data = data,
random = ~1 | subID, method = "ML", na.action = na.omit)
Linear Hypotheses:
Estimate Std. Error z value Pr(>|z|)
2 - 1 == 0 0.11620 0.05791 2.006 0.111
3 - 1 == 0 0.33301 0.05791 5.750 <0.001 ***
3 - 2 == 0 0.21681 0.05839 3.713 <0.001 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
numDF denDF F值p值
(截距)132310.53538
tukey_mod5<- summary(glht(model5,linfct=mcp(phase="Tukey")))
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fsr ~ group + phase + group * phase, data = data,
random = ~1 | subID, method = "ML", na.action = na.omit)
Linear Hypotheses:
Estimate Std. Error z value Pr(>|z|)
2 - 1 == 0 0.11620 0.05791 2.006 0.111
3 - 1 == 0 0.33301 0.05791 5.750 <0.001 ***
3 - 2 == 0 0.21681 0.05839 3.713 <0.001 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)