R 循环混合模型与tukey比较

我想循环一个混合模型和Tukey测试。 我只想对3列（每个列包含一个响应）和4个子组（总计=12）重复拟合和比较

此处提供了类似的数据帧：。这3个响应是“RESP_1”、“RESP_2”和“RESP_3”列，子组是“layer”列的变量

我通过以下方式获得单个响应和唯一层的模型和调整：

#mixed model    
Mlm_RESP_1 <-lme(RESP_1~clay+till, random=~1|strata/point, data=loop_lm_tukey)

#tukey
ls_RSP_1 <- lsmeans(Mlm_RESP_1,pairwise~till,adjust="tukey")
ls_RSP_1$contrasts
cld(ls_RSP_1)

混合模式 Mlm_RESP_1试试这个：

mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
  df=cbind(resp=loop_lm_tukey[,k],loop_lm_tukey[,-c(1:3)])
  lme(resp~clay+till, random = ~1|strata/point, data = df)})

res1=lapply(mlm_RESP,function(rm)lsmeans(rm,pairwise~till,adjust="tukey"))

结果是一样的。

试试这个：

mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
  df=cbind(resp=loop_lm_tukey[,k],loop_lm_tukey[,-c(1:3)])
  lme(resp~clay+till, random = ~1|strata/point, data = df)})

res1=lapply(mlm_RESP,function(rm)lsmeans(rm,pairwise~till,adjust="tukey"))

---

结果是一样的。

你应该能够

lappy（）

tukey在

mlm_RESP

列表上。只需在列表的每个成员上运行lsmeans。

lsmeans

无法处理列表的成员。但是，我想学习如何执行循环（我还有其他3个数据帧来应用此操作）。在列表中的每个模型上。您应该能够在

mlm_RESP

列表上执行

lappy（）

tukey。只需在列表的每个成员上运行lsmeans即可。

lsmeans

无法处理列表中的一个成员。但是，我想学习如何执行循环（我有其他3个数据帧来应用此操作）。在列表中的每个模型上。运行代码时，它会返回一个错误：

as.name中的错误（k）：对象“k”在ref.grid中找不到错误（object=list（modelStruct=list）（struct=list（point=8.82313412464084，：可能需要一个'data'或'params'参数运行代码，它返回一个错误：
as.name中的错误（k）：在ref.grid中找不到对象'k'错误（object=list（modelStruct=list）（struct=list）（point=8.82313412464084，：可能需要一个'data'或'params'参数
res2=list()
for (i in 1:3) res2[[i]]=lsmeans(mlm_RESP[[i]],pairwise~till,adjust="tukey")