मैं एक मिश्रित प्रभाव मॉडल का उपयोग करके निर्धारित डेटा का विश्लेषण कर रहा हूं जिसमें एक निश्चित प्रभाव (स्थिति) और दो यादृच्छिक प्रभाव (विषय डिजाइन और जोड़ी के कारण प्रतिभागी) हैं। मॉडल lme4पैकेज के साथ उत्पन्न किया गया था exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp):।
इसके बाद, मैंने निश्चित प्रभाव (स्थिति) के बिना मॉडल के खिलाफ इस मॉडल का संभावना अनुपात परीक्षण किया और एक महत्वपूर्ण अंतर है। मेरे डेटा सेट में 3 शर्तें हैं इसलिए मैं एक बहु तुलना करना चाहता हूं लेकिन मुझे यकीन नहीं है कि किस विधि का उपयोग करना है । मुझे CrossValidated और अन्य मंचों पर इसी तरह के कई सवाल मिले, लेकिन मैं अभी भी काफी भ्रमित हूं।
मैंने जो देखा है, उससे लोगों ने उपयोग करने का सुझाव दिया है
1.lsmeans पैकेज - lsmeans(exp.model,pairwise~condition)जो मुझे निम्नलिखित उत्पादन देता है:
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 दो अलग अलग तरीकों पैकेज - का उपयोग करते हुए mcp glht(exp.model,mcp(condition="Tukey")), जिसके परिणामस्वरूप
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)और lsm glht(exp.model,lsm(pairwise~condition))जिसके परिणामस्वरूप का उपयोग कर
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)जैसा कि आप देख सकते हैं, तरीके अलग-अलग परिणाम देते हैं। यह मेरा पहली बार आर और आँकड़े के साथ काम कर रहा है इसलिए कुछ गलत हो सकता है, लेकिन मुझे नहीं पता होगा कि कहां। मेरे प्रश्न हैं:
प्रस्तुत विधियों के बीच अंतर क्या हैं? मैंने संबंधित प्रश्नों के उत्तर में पढ़ा कि यह स्वतंत्रता की डिग्री ( lsmeansबनाम glht) के बारे में है ।
क्या इस प्रकार के डेटा सेट / मॉडल आदि के लिए कौन सा, अर्थात, विधि 1 का उपयोग करते समय कुछ नियम या सिफारिशें हैं? मुझे किस परिणाम की रिपोर्ट करनी चाहिए? बेहतर जानने के बिना, मैं शायद बस जाऊंगा और उच्चतम पी-मूल्य की रिपोर्ट करूंगा, जो मुझे सुरक्षित खेलने के लिए मिला है, लेकिन बेहतर कारण होना अच्छा होगा। धन्यवाद