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：

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