Lmer modelinde post-hoc test nasıl yapılır?

Bu benim veri çerçevem:

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)

Sonra "Konu" rasgele faktör olduğu "Grup" 3 Grup farkını karşılaştırmak için doğrusal karışık efektler modeli çalıştırın:

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

Sonuçlar:

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    

Ancak, Group2 ile Group3 nasıl karşılaştırılır? Akademik makaledeki sözleşme nedir?

Sen kullanabilirsiniz emmeans::emmeans()veya lmerTest::difflsmeans()veya multcomp::glht().

Tercih ederim emmeans(önceden lsmeans).

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

Not difflsmeansçoklu karşılaştırmalar için düzeltilemez ve emmeans tarafından kullanılan Kenward-Roger yöntemi yerine varsayılan olarak serbestlik derecelerini hesaplamak için Satterthwaite yöntemini kullanır.

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

multcomp::glht()Yöntemdir kesmek-R, bu sorunun, diğer cevaplar tarif edilmiştir.

Ayrıca, ANOVA p-değerleri yükleme yoluyla alabilirsiniz lmerTestve daha sonra kullanarak anova.

library(lmerTest)
anova(model)

Açık olmak gerekirse, değerin her konu için üç kez değerlendirilmesini istediniz, değil mi? Grup, denekler arasında değil, öznelerin içindedir.

lmerModelinizi sığdırdıktan sonra , model nesnesi üzerinde ANOVA, MANOVA ve çoklu karşılaştırma prosedürleri yapabilirsiniz, örneğin:

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)

Akademik bildirilerdeki konvansiyona gelince, bu konuya, dergiye ve konuya göre çok değişecektir. Bu durumda, ilgili makaleleri gözden geçirin ve ne yaptığını görün.