Tests post-hoc en multcomp :: glht pour les modèles à effets mixtes (lme4) avec interactions

J'effectue des tests post-hoc sur un modèle linéaire à effets mixtes dans R( lme4package). J'utilise multcomppackage ( glht()fonction) pour effectuer les tests post-hoc.

Mon plan expérimental est des mesures répétées, avec un effet de bloc aléatoire. Les modèles sont spécifiés comme:

mymod <- lmer(variable ~ treatment * time + (1|block), data = mydata, REML = TRUE)

Plutôt que de joindre mes données ici, je travaille à partir des données appelées warpbreaksdans le multcomppackage.

data <- warpbreaks
warpbreaks$rand <- NA

J'ai ajouté une variable aléatoire supplémentaire pour imiter mon effet "bloc":

warpbreaks$rand <- rep(c("foo", "bar", "bee"), nrow(warpbreaks)/3)

Cela imite mon modèle:

mod <- lmer(breaks ~ tension * wool + (1|rand), data = warpbreaks)

Je connais l'exemple dans les " Exemples Multcomp supplémentaires - Anova à 2 voies" Cet exemple vous amène à une comparaison des niveaux de tension au sein des niveaux de wool.

Et si je veux faire le contraire - comparer les niveaux de wooldans les niveaux de tension? (Dans mon cas, ce serait comparer les niveaux de traitement (deux - 0, 1) dans les niveaux de temps (trois - juin, juillet, août).

J'ai trouvé le code suivant pour le faire, mais cela ne semble pas fonctionner (voir le message d'erreur ci-dessous).

Tout d'abord, à partir de l'exemple (avec woolet tensionlieux échangés):

tmp <- expand.grid(wool = unique(warpbreaks$wool), tension = unique(warpbreaks$tension))
X <- model.matrix(~ tension * wool, data = tmp)
glht(mod, linfct = X)

Tukey <- contrMat(table(warpbreaks$wool), "Tukey")

K1 <- cbind(Tukey, matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)))
rownames(K1) <- paste(levels(warpbreaks$tension)[1], rownames(K1), sep = ":")

K2 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(warpbreaks$tension)[2], rownames(K2), sep = ":")

D'ici en bas, mon propre code:

K3 <- cbind(matrix(0, nrow = nrow(Tukey), ncol = ncol(Tukey)), Tukey)
rownames(K2) <- paste(levels(warpbreaks$tension)[3], rownames(K3), sep = ":")

K <- rbind(K1, K2, K3)
colnames(K) <- c(colnames(Tukey), colnames(Tukey))

> summary(glht(mod, linfct = K %*% X))
Error in summary(glht(mod, linfct = K %*% X)) : 
  error in evaluating the argument 'object' in selecting a method for function 'summary': Error in K %*% X : non-conformable arguments

— Ashley Asmus
source

C'est beaucoup plus facile à faire en utilisant le paquet lsmeans

library(lsmeans)
lsmeans(mod, pairwise ~ tension | wool)
lsmeans(mod, pairwise ~ wool | tension)

— Russ Lenth
source

Génial, ça marche! Merci. Remarque: ce code n'a fonctionné pour mes données qu'après avoir changé ma variable de répétition des valeurs numériques (3 & 6) en valeurs alphabétiques (A & B).

Eh bien, ça compte beaucoup! Parce que c'est un modèle différent avec timecomme prédicteur numérique. Je suppose que vous le vouliez comme facteur.

— Russ Lenth

Comment généraliser à davantage de prédicteurs? si par exemple j'ai 3 prédicteurs comment ça marche?

— amusez-vous

@havefun Veuillez regarder help("lsmeans", package = "lsmeans")et vignette("using-lsmeans"). Il y a beaucoup de documentation et de nombreux exemples.

— Russ Lenth

Comptez le nombre de comparaisons que vous obtenez avec chaque méthode, ce ne sont pas les mêmes. Lisez également les ajustements des tests multiples. Lorsque vous avez une plus grande famille de tests, les valeurs de P ajustées sont différentes de celles d'une petite famille. Lorsque vous utilisez une variable par, les ajustements sont appliqués séparément à chaque ensemble.

— Russ Lenth