lmer中的对比
我用lmer指定了一个混合效应线性模型,我不知道如何指定它的对比度。在我的数据中,我有两个级别的状态,而在每种状态下,我有20-20名玩家。在每种情况下,我提出了7种方案,可在试验中评估7次。因此,条件和场景是固定效果,随机效果是玩家和试验,试验嵌套在每个场景中 我的模型如下所示:lmer中的对比,r,anova,contrast,lmer,posthoc,R,Anova,Contrast,Lmer,Posthoc,我用lmer指定了一个混合效应线性模型,我不知道如何指定它的对比度。在我的数据中,我有两个级别的状态,而在每种状态下,我有20-20名玩家。在每种情况下,我提出了7种方案,可在试验中评估7次。因此,条件和场景是固定效果,随机效果是玩家和试验,试验嵌套在每个场景中 我的模型如下所示: my_null.model <- lmer(value ~ Condition+Scenario+ (1+Scenario|Player) + (1
my_null.model <- lmer(value ~ Condition+Scenario+ (1+Scenario|Player) +
(1|Scenario/Trial), data = mydata, REML=FALSE,
control=lmerControl(optCtrl=list(maxfun=50000)) )
my.model <- lmer(value ~ Scenario*Condition + (1+Scenario|Player) +
(1|Scenario/Trial), data = mydata, REML=FALSE,
control=lmerControl(optCtrl=list(maxfun=50000)) )
anova(my_null.model, my.model)
如何比较各个试验?您想比较试验吗?但你只把它们设置为随机效果?通常你不会对随机效应进行推断。哦,我明白你的意思。我也用传统的方法分析了我的数据,通过场景或试验来分解数据——这取决于我想展示什么。所以我不确定,但我认为lsmeans给出的p值意味着我在条件之间得到了显著差异,对吗?根据lmerTest的lsmeans文件,他们试图重现SAS PROC MIXED的结果。因此,从理论上看,p值似乎来自于一个近似的t检验,来检验相关总体数量等于零的零假设。那么我想这并不是我想要的。
Least Squares Means table:
Scenario Est. Standard Err. DF t-value Lower CI Upper CI p-value
Scenario 1 1.0 47.46 3.44 38.1 13.79 40.5 54.4 <2e-16
Scenario 2 2.0 42.04 3.14 38.1 13.39 35.7 48.4 <2e-16
Scenario 3 3.0 61.22 3.63 38.4 16.85 53.9 68.6 <2e-16
Scenario 4 4.0 68.35 3.27 38.4 20.93 61.7 75.0 <2e-16
Scenario 5 5.0 24.81 3.11 38.0 7.97 18.5 31.1 <2e-16
Scenario 6 6.0 41.59 4.12 38.2 10.11 33.3 49.9 <2e-16
Scenario 7 7.0 78.65 3.28 38.4 23.97 72.0 85.3 <2e-16