하나의 고정 효과 (조건)와 두 개의 임의 효과 (대상 내 설계 및 쌍으로 인해 참가자)가있는 혼합 효과 모델을 사용하여 데이터 세트를 분석하고 있습니다. lme4
패키지로 모델이 생성되었습니다 exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)
.
다음으로, 고정 효과 (조건)없이 모형에 대해이 모형의 우도 비 검정을 수행했으며 유의 한 차이가 있습니다. 내 데이터 세트에는 3 가지 조건이 있으므로 다중 비교를 원하지만 사용할 방법을 잘 모르겠습니다 . CrossValidated 및 기타 포럼에서 비슷한 질문을 많이 발견했지만 여전히 혼란 스럽습니다.
내가 본 것에서 사람들은
1.lsmeans
- 패키지 lsmeans(exp.model,pairwise~condition)
: 나에게 다음과 같은 출력을 제공합니다
condition lsmean SE df lower.CL upper.CL
Condition1 0.6538060 0.03272705 47.98 0.5880030 0.7196089
Condition2 0.7027413 0.03272705 47.98 0.6369384 0.7685443
Condition3 0.7580522 0.03272705 47.98 0.6922493 0.8238552
Confidence level used: 0.95
$contrasts
contrast estimate SE df t.ratio p.value
Condition1 - Condition2 -0.04893538 0.03813262 62.07 -1.283 0.4099
Condition1 - Condition3 -0.10424628 0.03813262 62.07 -2.734 0.0219
Condition2 - Condition3 -0.05531090 0.03813262 62.07 -1.450 0.3217
P value adjustment: tukey method for comparing a family of 3 estimates
2.multcomp
두 가지 다른 방법으로 패키지 - 사용 mcp
glht(exp.model,mcp(condition="Tukey"))
의 결과
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair),
data = exp, REML = FALSE)
Linear Hypotheses:
Estimate Std. Error z value Pr(>|z|)
Condition2 - Condition1 == 0 0.04894 0.03749 1.305 0.392
Condition3 - Condition1 == 0 0.10425 0.03749 2.781 0.015 *
Condition3 - Condition2 == 0 0.05531 0.03749 1.475 0.303
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
lsm
glht(exp.model,lsm(pairwise~condition))
결과를 사용하여
Note: df set to 62
Simultaneous Tests for General Linear Hypotheses
Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair),
data = exp, REML = FALSE)
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Condition1 - Condition2 == 0 -0.04894 0.03749 -1.305 0.3977
Condition1 - Condition3 == 0 -0.10425 0.03749 -2.781 0.0195 *
Condition2 - Condition3 == 0 -0.05531 0.03749 -1.475 0.3098
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
보시다시피, 방법은 다른 결과를 제공합니다. R과 통계를 다루는 것은 이번이 처음이므로 어떤 일이 잘못 될 수 있지만 어디에 있는지 모르겠습니다. 내 질문은 :
제시된 방법의 차이점은 무엇입니까? 나는 자유도 ( lsmeans
vs glht
)에 관한 관련 질문에 대한 답변을 읽었습니다 .
이 유형의 데이터 세트 / 모델 등에 적합한 방법 1을 사용할 때 몇 가지 규칙 또는 권장 사항이 있습니까? 어떤 결과를보고해야합니까? 더 잘 알지 못하면 아마도 가서 가장 높은 p- 값을보고했을 것입니다. 안전하게 재생해야하지만 더 좋은 이유가 있으면 좋을 것입니다. 감사