[英]FDR correction - extracting p-values from lmer() and creating vectors for use in p.adjust in R
我正在尝试对某些感兴趣的神经影像数据区域进行 FDR 校正。 我总共运行了 18 个线性混合效应模型,并且我确保 output 中的系数顺序在每个 model 中都是相同的。
我从每个 model 中保存了 output 如下:
tidy_model1 <-tidy(model1)
tidy_model2 <-tidy(model2)
....
tidy_model18 <-tidy(model18)
我现在正试图让我的生活更轻松,并创建一个循环,该循环遍历具有上述 model 对象名称的列表,并为每个系数创建一个 p 值向量,然后我将其输入 p.adjust function 以检索调整后的 p 值。
所以我创建了一个列表:
model_list <- list(tidy_model1,
tidy_model2,... tidy_model18)
我尝试了以下循环:
for (i in 1:18) {
model_list[i] %>%
variable1_pval <- p.value[1]
}
和
for (i in 1:18) {
variable1_pval <- model_list[i]$p.value[1]
}
所以上面应该给我一个 P 值向量 model 的系数 1。
但是,在这两种情况下,我都会得到一个 null 向量。
我知道我没有提供我的数据,但欢迎任何关于为什么这些循环可能不起作用的建议!
谢谢
我列出了一个模型列表:
library(nlme)
library(broom)
models <- lapply(1:5,function(i){
idx= sample(nrow(Orthodont),replace=TRUE)
lme(distance ~ age, random=~Sex,data = Orthodont[idx,])
})
model_list <- lapply(models,tidy,effects="fixed")
在这些模型中,有用的系数是第二个:
model_list[[1]]
# A tibble: 2 x 5
term estimate std.error statistic p.value
<chr> <dbl> <dbl> <dbl> <dbl>
1 (Intercept) 15.9 1.03 15.5 7.77e-26
2 age 0.739 0.0871 8.48 9.13e-13
您可以像这样在向量中获取 p 值,例如使用 p.value 1 :
sapply(model_list,function(x)x$p.value[2])
跟踪模型而不用变量填充环境的更好方法是使用 purrr、dplyr( 在此处查看更多信息):
library(purrr)
library(dplyr)
models = tibble(name=1:5,models=models) %>%
mutate(tidy_res = map(models,tidy,effects="fixed"))
models
# A tibble: 5 x 3
name models tidy_res
<int> <list> <list>
1 1 <lme> <tibble [2 × 5]>
2 2 <lme> <tibble [2 × 5]>
3 3 <lme> <tibble [2 × 5]>
4 4 <lme> <tibble [2 × 5]>
5 5 <lme> <tibble [2 × 5]>
models %>% unnest(tidy_res) %>% filter(term=="age")
# A tibble: 5 x 7
name models term estimate std.error statistic p.value
<int> <list> <chr> <dbl> <dbl> <dbl> <dbl>
1 1 <lme> age 0.587 0.0601 9.77 2.44e-15
2 2 <lme> age 0.677 0.0663 10.2 3.91e-16
3 3 <lme> age 0.588 0.0603 9.74 3.05e-15
4 4 <lme> age 0.653 0.0529 12.3 2.74e-20
5 5 <lme> age 0.638 0.0623 10.2 3.34e-16
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.