연속 예측 변수와 범주 예측 변수 간의 상호 작용에 대한 혼합 모형 다중 비교

lme4혼합 효과 회귀에 적합 multcomp하고 쌍별 비교를 계산하는 데 사용 하고 싶습니다 . 여러 개의 연속적이고 범주 형 예측 변수가있는 복잡한 데이터 세트가 있지만 내장 ChickWeight데이터 세트를 예로 사용하여 질문을 시연 할 수 있습니다 .

m <- lmer(weight ~ Time * Diet + (1 | Chick), data=ChickWeight, REML=F)

Time연속적이고 Diet범주 적이며 (4 단계) 다이어트 당 여러 병아리가 있습니다. 모든 병아리는 거의 같은 무게로 시작했지만식이는 성장 속도에 영향을 줄 수 있으므로 Diet절편은 동일해야하지만 경사는 다를 수 있습니다. 다음 Diet과 같은 차단 효과에 대한 쌍별 비교를 얻을 수 있습니다 .

summary(glht(m, linfct=mcp(Diet = "Tukey")))

실제로, 그것들은 크게 다르지 않지만, Time:Diet효과에 대한 유사한 테스트를 어떻게 수행 할 수 있습니까? 상호 작용 항을 넣으면 mcp오류가 발생합니다.

summary(glht(m, linfct=mcp('Time:Diet' = "Tukey")))
Error in summary(glht(m, linfct = mcp(`Time:Diet` = "Tukey"))) : 
  error in evaluating the argument 'object' in selecting a method for function
 'summary': Error in mcp2matrix(model, linfct = linfct) : 
Variable(s) ‘Time:Diet’ have been specified in ‘linfct’ but cannot be found in ‘model’! 

기본적 lmer으로 범주 형 예측 변수의 참조 수준을 기준으로 취급하고 다른 수준에 대한 모수를 추정합니다. 따라서 기본 출력에서 ​​쌍별 비교를 수행 relevel하고 새 참조 레벨을 정의하고 모델을 다시 맞추는 방법 을 사용하여 다른 것을 얻을 수 있습니다 . 이는 모델 비교 또는 MCMC를 사용하여 p- 값을 얻을 수 있다는 장점이 있지만 다중 비교는 수정하지 않습니다 (나중에 자체 수정을 적용 할 수는 있음).

를 사용하려면 multcomp대비 행렬을 정의해야합니다. 대비 행렬의 각 행은 인터셉트로 시작하여 기본 모델 출력에서 ​​얻을 수있는 효과의 가중치를 나타냅니다. 따라서 기본 출력에 이미 포함 된 효과를 원하면 해당 효과에 해당하는 위치에 "1"만 넣으십시오. 모수 추정값은 공통 참조 레벨을 기준으로하기 때문에 하나의 가중치를 "-1"로 설정하고 다른 "1"의 가중치를 설정하여 다른 두 레벨 사이의 비교를 얻을 수 있습니다. 다음 Time:Diet은 ChickWeight예제 의 용어에 대해 어떻게 작동하는지 보여줍니다 .

contrast.matrix <- rbind("Time:Diet1 vs. Time:Diet2" =  c(0, 0, 0, 0, 0, 1, 0, 0),
                           "Time:Diet1 vs. Time:Diet3" =  c(0, 0, 0, 0, 0, 0, 1, 0),
                           "Time:Diet1 vs. Time:Diet4" =  c(0, 0, 0, 0, 0, 0, 0, 1),
                           "Time:Diet2 vs. Time:Diet3" =  c(0, 0, 0, 0, 0, -1, 1, 0),
                           "Time:Diet2 vs. Time:Diet4" =  c(0, 0, 0, 0, 0, -1, 0, 1),
                           "Time:Diet3 vs. Time:Diet4" =  c(0, 0, 0, 0, 0, 0, -1, 1))
summary(glht(m, contrast.matrix))

Caveat emptor :이 접근법은 정규 근사법을 사용하여 p- 값을 얻습니다. 이는 다소 보수적이지 않으며 여러 비교에 대한 일부 수정을 적용합니다. 결론적으로이 방법을 사용하면 원하는만큼 쌍별 모수 추정값과 표준 오류에 쉽게 액세스 할 수 있지만 p- 값은 원하는 값일 수도 있고 아닐 수도 있습니다.

( r-ling-lang-L의 Scott Jackson 에게 도움을 주셔서 감사합니다 )