ฉันกำลังวิเคราะห์ชุดข้อมูลโดยใช้โมเดลเอฟเฟกต์ผสมกับเอฟเฟ็กต์คงที่หนึ่งรายการ (เงื่อนไข) และเอฟเฟกต์แบบสุ่มสองรายการ (ผู้เข้าร่วมเนื่องจากการออกแบบภายในและคู่ของเรื่อง) รูปแบบที่ถูกสร้างขึ้นด้วยแพคเกจ:lme4
exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)
ต่อไปฉันทำการทดสอบอัตราส่วนความน่าจะเป็นของโมเดลนี้เทียบกับโมเดลโดยไม่มีผลกระทบคงที่ (เงื่อนไข) และมีความแตกต่างอย่างมีนัยสำคัญ ชุดข้อมูลของฉันมี 3 เงื่อนไขดังนั้นฉันจึงต้องการเปรียบเทียบหลายรายการ แต่ฉันไม่แน่ใจว่าจะใช้วิธีใด ฉันพบคำถามที่คล้ายกันจำนวนหนึ่งใน CrossValidated และฟอรัมอื่น ๆ แต่ฉันยังสับสนอยู่
จากสิ่งที่ฉันเห็นผู้คนแนะนำให้ใช้
1.lsmeans
แพคเกจ - lsmeans(exp.model,pairwise~condition)
ซึ่งทำให้ผมส่งออกต่อไปนี้:
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
แพคเกจในสองวิธีที่แตกต่างกัน - ใช้mcp
glht(exp.model,mcp(condition="Tukey"))
ผลในการ
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)
และการใช้lsm
glht(exp.model,lsm(pairwise~condition))
ผลใน
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)
อย่างที่คุณเห็นวิธีการให้ผลลัพธ์ที่แตกต่าง นี่เป็นครั้งแรกที่ฉันทำงานกับ R และสถิติดังนั้นอาจมีบางอย่างผิดปกติ แต่ฉันไม่รู้ว่าอยู่ที่ไหน คำถามของฉันคือ:
ความแตกต่างระหว่างวิธีที่นำเสนอมีอะไรบ้าง ฉันอ่านคำตอบของคำถามที่เกี่ยวข้องซึ่งเกี่ยวกับระดับความเป็นอิสระ ( lsmeans
เทียบกับglht
)
มีกฎหรือคำแนะนำบ้างเมื่อจะใช้อันไหนเช่นวิธีที่ 1 ดีสำหรับชุดข้อมูล / รุ่นอื่น ๆ หรือไม่? ฉันควรรายงานผลลัพธ์ใด ฉันอาจจะไปและรายงานค่า p ที่สูงที่สุดที่ฉันได้รับเพื่อเล่นให้ปลอดภัย แต่มันก็ดีที่จะมีเหตุผลที่ดีกว่า ขอบคุณ