R 如何从具有交互的GLM获得Tukey紧凑字母显示

我用一个广义线性模型分析了一组数据，该模型在三方交互作用中有三个分类因子（factorA、factorB、factorC）和一个简单添加到模型中的第四个连续因子（factorD）。我正试图从模型中获得一组Tukey字母组（即，紧凑的字母显示），但尚未找到成功包含交互的方法。我不想包括factorD，只想在交互中包含这三个

我得到了Tukey调整后的两两比较：

lsmeans(my.glm, factorA*factorB*factorC)

但我没能弄明白如何从中产生一个紧凑的字母显示。它可以通过

multcomp

包来完成，但我只能通过该包的主要效果来完成，而不是交互

然后我尝试了

agricolae

包，因为这篇文章（）讨论了这一点。然而，按照该答案中的说明，HSD测试产生了非功能性响应。具体来说，我可以让主要效果测试正常工作，例如，

HSD.test（my.glm，“factorA”）

但我无法让交互正常工作。我试过这个：

intxns<-with(my.data, interaction(factorA,factorB,factorC))
HSD.test(my.glm,"intxns",group=TRUE)

如果我只是在HSD.test函数调用中的factor字段中输入了无意义的内容，我会得到同样的错误。我检查了inxtns对象，它看起来不错，行数与剩余数匹配 agricolae的

notes实际上没有涵盖HSD.test中交互的使用，但我认为它可以工作

有人知道如何让HSD.test与交互一起工作吗？或者，您是否还需要使用其他功能来为具有交互的glm生成紧凑的字母显示

我已经在这方面工作了好几天了，还没有找到解决方案，希望我没有遗漏一些明显的东西

谢谢
 我不知道您是如何指定glm模型的，但对于
HSD.test
，它希望将特定治疗名称与glm公式中指定的名称以及数据框中指定的名称相匹配。这就是为什么你的主要效果，
factorA
会起作用，而不是三方互动。对于交互的多个比较测试，我发现单独生成交互并将它们作为附加列添加到数据框是最容易的。然后可以使用为交互编码的新变量指定glm模型

比如说,

set.seed(42)
glm.dat <- data.frame(y = rnorm(1000), factorA = sample(letters[1:2], 
   size = 1000, replace = TRUE),
 factorB = sample(letters[1:2], size = 1000, replace = TRUE),
 factorC = sample(letters[1:2], size = 1000, replace = TRUE))

# Generate interactions explicitly and add them to the data.frame
glm.dat$factorAB <- with(glm.dat, interaction(factorA, factorB))
glm.dat$factorAC <- with(glm.dat, interaction(factorA, factorC))
glm.dat$factorBC <- with(glm.dat, interaction(factorB, factorC))
glm.dat$factorABC <- with(glm.dat, interaction(factorA, factorB, factorC))

# General linear model 
 glm.mod <- glm(y ~ factorA + factorB + factorC +  factorAB + factorAC + 
   factorBC + factorABC, family = 'gaussian', data = glm.dat) 

# Multiple comparison test

library(agricolae)
comp <- HSD.test(glm.mod, trt = "factorABC", group = TRUE)

我不知道您是如何指定glm模型的，但对于
HSD.test
，它希望将特定治疗名称与glm公式中指定的名称以及数据框中指定的名称相匹配。这就是为什么你的主要效果，
factorA
会起作用，而不是三方互动。对于交互的多个比较测试，我发现单独生成交互并将它们作为附加列添加到数据框是最容易的。然后可以使用为交互编码的新变量指定glm模型

比如说,

set.seed(42)
glm.dat <- data.frame(y = rnorm(1000), factorA = sample(letters[1:2], 
   size = 1000, replace = TRUE),
 factorB = sample(letters[1:2], size = 1000, replace = TRUE),
 factorC = sample(letters[1:2], size = 1000, replace = TRUE))

# Generate interactions explicitly and add them to the data.frame
glm.dat$factorAB <- with(glm.dat, interaction(factorA, factorB))
glm.dat$factorAC <- with(glm.dat, interaction(factorA, factorC))
glm.dat$factorBC <- with(glm.dat, interaction(factorB, factorC))
glm.dat$factorABC <- with(glm.dat, interaction(factorA, factorB, factorC))

# General linear model 
 glm.mod <- glm(y ~ factorA + factorB + factorC +  factorAB + factorAC + 
   factorBC + factorABC, family = 'gaussian', data = glm.dat) 

# Multiple comparison test

library(agricolae)
comp <- HSD.test(glm.mod, trt = "factorABC", group = TRUE)

非常感谢，吉姆！这似乎适用于我的模型和数据。然而，现在lsmeans不喜欢这个模型——每当我试图运行这个模型时，它就会冻结对内存和处理能力的咀嚼，即使我没有使用新的交互术语。如果我使用新的相互作用项，它会给出一堆NA作为结果。你以前遇到过这个问题吗？@DirtStats-我的样本数据也遇到过这个问题，但我不知道这是我的数据的问题，还是我的解决方案存在某种潜在的问题。也许值得提醒版主将您的问题转移到stats.stackexchange。非常感谢，吉姆！这似乎适用于我的模型和数据。然而，现在lsmeans不喜欢这个模型——每当我试图运行这个模型时，它就会冻结对内存和处理能力的咀嚼，即使我没有使用新的交互术语。如果我使用新的相互作用项，它会给出一堆NA作为结果。你以前遇到过这个问题吗？@DirtStats-我的样本数据也遇到过这个问题，但我不知道这是我的数据的问题，还是我的解决方案存在某种潜在的问题。将您的问题转移到stats.stackexchange可能值得提醒版主。
comp$groups giving

    trt        means M
 1 a.a.a  0.070052189 a
 2 a.b.b  0.035684571 a
 3 b.a.a  0.020517535 a
 4 b.b.b -0.008153257 a
 5 a.b.a -0.036136140 a
 6 a.a.b -0.078891136 a
 7 b.a.b -0.080845419 a
 8 b.b.a -0.115808772 a