lmer 모델에 사용할 다중 비교 방법 : lsmeans 또는 glht?

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. lme4패키지로 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 ( lsmeansvs 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

완전한 답변이 아닙니다 ...

glht(myfit, mcp(myfactor="Tukey"))다른 방법과 다른 방법 의 차이점은 이 방법은 "z"통계 (정규 분포)를 사용하는 반면 다른 방법은 "t"통계 (학생 분포)를 사용한다는 것입니다. "z"통계량은 자유도가 무한한 "t"통계량과 동일합니다. 이 방법은 점근 법이며 다른 p 값보다 작은 p- 값과 짧은 신뢰 구간을 제공합니다. 데이터 집합이 작 으면 p- 값이 너무 작고 신뢰 구간이 너무 짧을 수 있습니다.

실행 lsmeans(myfit, pairwise~myfactor)하면 다음 메시지가 나타납니다.

Loading required namespace: pbkrtest

이는 lsmeans( lmer모델 pbkrtest의 경우) "t"통계의 자유도에 대해 Kenward & Rogers 방법을 구현 하는 패키지를 사용함 을 의미합니다 . 이 방법은 점근선보다 더 나은 p- 값과 신뢰 구간을 제공하려고합니다 (자유도가 클 때 차이는 없습니다).

지금의 차이에 대해 lsmeans(myfit, pairwise~myfactor)$contrasts그리고 glht(myfit, lsm(pairwise~factor), 난 그냥 몇 가지 테스트를 수행하고 나의 관찰은 다음과 같은 것들이다 :

• lsmlsmeans패키지와 패키지 간의 인터페이스입니다 multcomp(참조 ?lsm).

• 균형 잡힌 디자인의 경우 결과간에 차이가 없습니다.

• 불균형 설계의 경우 결과 (표준 오류와 t 비율) 사이에 작은 차이가 있음을 관찰했습니다.

불행히도 나는 이러한 차이점의 원인이 무엇인지 모른다. 선형 가설 행렬과 자유도를 얻기위한 lsm호출 처럼 보이지만 표준 오차를 계산하는 다른 방법을 사용합니다.lsmeanslsmeans