Lmer मॉडल पर पोस्ट-हॉक टेस्ट कैसे करें?

Question

यह मेरा डेटा फ़्रेम है:

Group   <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3")
Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15")
Value   <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893)

data <- data.frame(Group, Subject, Value)

फिर मैं "मूल्य" पर 3 समूहों के अंतर की तुलना करने के लिए एक रैखिक-मिश्रित प्रभाव मॉडल चलाता हूं, जहां "विषय" यादृच्छिक कारक है:

library(lme4)
library(lmerTest)
model <- lmer (Value~Group + (1|Subject), data = data)
summary(model)

परिणाम हैं:

Fixed effects:
            Estimate Std. Error       df t value Pr(>|t|)    
(Intercept) 12.48771    0.42892 31.54000  29.114   <2e-16 ***
GroupG2     -1.12666    0.46702 28.00000  -2.412   0.0226 *  
GroupG3      0.03828    0.46702 28.00000   0.082   0.9353    

हालांकि, ग्रूव के साथ ग्रुप 2 की तुलना कैसे करें? शैक्षणिक लेख में क्या है सम्मेलन?

Answer 1

आप emmeans::emmeans()या उपयोग कर सकते हैं lmerTest::difflsmeans(), या multcomp::glht()।

मैं पसंद करता हूं emmeans(पहले lsmeans)।

library(emmeans)
emmeans(model, list(pairwise ~ Group), adjust = "tukey")

नोट difflsmeansकई तुलनाओं के लिए सही नहीं हो सकता है, और एम्मारियों द्वारा उपयोग की जाने वाली केनवर्ड-रोजर पद्धति के बजाय स्वतंत्रता की डिग्री की डिफ़ॉल्ट रूप से गणना करने के लिए Satterthwaite विधि का उपयोग करता है।

library(lmerTest)
difflsmeans(model, test.effs = "Group")

multcomp::glht()विधि है इस सवाल का जवाब दूसरे में वर्णित है, हैक आर द्वारा।

इसके अलावा, आप लोड lmerTestकरके और फिर उपयोग करके एनोवा पी-वैल्यू प्राप्त कर सकते हैं anova।

library(lmerTest)
anova(model)

बस स्पष्ट होने के लिए, आपने प्रत्येक विषय के लिए तीन बार मान का मूल्यांकन करने का इरादा किया है, है ना? ऐसा लगता है कि समूह विषयों के भीतर है, विषयों के बीच नहीं।

Comments

मैं केवल कायले सवायर की प्रतिक्रिया में जोड़ना चाहता हूं कि पैकेज के लसीमों को एमीन्स के पक्ष में चित्रित किया जा रहा है ।

— डाउनहिलर

ध्यान दें कि यदि आप पुस्तकालय को निर्दिष्ट करते हैं, तो आपको p-मान दिखाने के लिए lmerTest :: lmer (), lme4 :: lmer () for anova () का उपयोग करना होगा।

— Kayle Sawyer

Answer 2

अपने lmerमॉडल को फिट करने के बाद आप मॉडल ऑब्जेक्ट पर ANOVA, MANOVA, और कई तुलनात्मक प्रक्रियाएँ कर सकते हैं:

library(multcomp)
summary(glht(model, linfct = mcp(Group = "Tukey")), test = adjusted("holm"))

   Simultaneous Tests for General Linear Hypotheses

Multiple Comparisons of Means: Tukey Contrasts


Fit: lmer(formula = Value ~ Group + (1 | Subject), data = data)

Linear Hypotheses:
             Estimate Std. Error z value Pr(>|z|)  
G2 - G1 == 0 -1.12666    0.46702  -2.412   0.0378 *
G3 - G1 == 0  0.03828    0.46702   0.082   0.9347  
G3 - G2 == 0  1.16495    0.46702   2.494   0.0378 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- holm method)

शैक्षिक पत्रों में सम्मेलन के लिए, यह क्षेत्र, पत्रिका, और विशिष्ट विषय वस्तु से बहुत भिन्न है। तो उस मामले के लिए संबंधित लेखों की समीक्षा करें और देखें कि वे क्या करते हैं।

Comments

धन्यवाद। लेकिन वास्तव में किस समायोजन का उपयोग किया गया था? टके या होलम? क्यों दोनों पश्च-परीक्षण में दिखाई देते हैं?

— पिंग तांग

@PingTang आपका स्वागत है। यह बोन्फ्रॉर्नी-होल्म का सुधार है, जो सभी जोड़े की तुलना में अधिक है। यह सिर्फ एक विकल्प है। आप भी कर सकते हैं summary(glht(model, linfct = mcp(Group = "Tukey")))। यदि आप विभिन्न परीक्षणों के पूर्ण शैक्षणिक / सांख्यिकीय विवरणों को देखना चाहते हैं, जो आमतौर पर ?glhtऔर multicompअधिक संदर्भों की जांच कर सकते हैं । मुझे लगता है कि Hsu 1996 मुख्य होगा।

— हैक-आर

@PingTang, mcpफ़ंक्शन, Group = Tukeyचर "समूह" में सभी जोड़ीदार समूहों की तुलना करने का एकमात्र साधन है। इसका मतलब यह नहीं है कि एक तुकी समायोजन है।

— साल मंगियाफिको