使用 lmer() 进行重复测量方差分析的问题

Question

我正在尝试使用lmer()来执行一种重复测量方差分析。 我在一年中多次采样相同的池，并试图查看基于采样日期的响应变量（体型）是否存在差异，池作为随机效应。 在这种情况下，我的问题是我获得了固定效应（采样日期）的单独估计值和 p 值，而不是我通常从此类模型中获得的单个估计值和 p 值。

require(lme4)
df <- data.frame(wing_length = c(5.1, 4.9, 4.7, 4.6, 5.1,2.4,4.3,4.4),
  date = c('Jan','Jan','Feb','Feb','Mar','Mar','Apr','Apr'),
  pool = c('1','2','1','2','1','2','1','2'))
mod <- lmer(wing_length ~ date + (1|pool),df)

summary(mod)

摘要输出为我提供了不同日期的各种估计值和 p 值，但我期待一个单独的估计值和 p 值，它告诉我基于日期的平均机翼长度是否存在差异。

我认为我的问题来自我的数据格式或对我试图用这个函数做什么的一些误解。

感谢您提供的任何建议。

Answer 1

您需要将date从因子转换为整数变量。 否则， lmer将自动创建假人。

library(lme4)
df <- data.frame(wing_length = c(5.1, 4.9, 4.7, 4.6, 5.1,2.4,4.3,4.4),
                 date = c('Jan','Jan','Feb','Feb','Mar','Mar','Apr','Apr'),
                 pool = c('1','2','1','2','1','2','1','2'))

df$date <- match(tolower(df$date), tolower(month.abb))
mod <- lmer(wing_length ~ date + (1|pool),df)

summary(mod)

请注意，将date转换为整数将产生一个不同的模型——您估计月份趋势而不是单个月份效应（固定效应）的模型。