lmer 和 lm - 使用所有因子水平作为“控制”组

Question

在线性 model 或 lmer 公式中存在分类变量（无序因子）的情况下，function 使用第一个因子水平作为对比的“控制”组。 在我的例子中，我有一个具有多个级别的分类变量，并且希望每个级别都是“控制”基组。 是否有一个 function 可以自动执行此过程并为所有组合创建一个带有 p 值的漂亮矩阵？ 这是使用钻石数据集的示例代码。

library(lmer);library(lmerTest)    
#creating unordered factor
diamonds$color=factor(sample(c('red','white','blue','green','black'),nrow(diamonds),replace=T))
#lmer formula with factor in fixed effects
mod=lmer(data=diamonds,carat~color+(1|clarity))
summary(mod,corr=F)

如摘要中所示，“黑色”用作控件，因此我希望所有其他 colors 用作控件。

线性混合 model 由 REML 拟合。 t-tests 使用 Satterthwaite 的方法 [ lmerModLmerTest] 公式：carat ~ color + (1 | clarity) 数据：diamonds

收敛时的 REML 标准：64684

缩放残差： Min 1Q Median 3Q Max -2.228 -0.740 -0.224 0.540 8.471

随机效应：组名称方差 Std.Dev。 清晰度（拦截） 0.0763 0.276 残差 0.1939 0.440
obs 数量：53940，groups：清晰度，8

固定效应：估计标准。 Error df t value Pr(>|t|) (Intercept) 0.786709 0.097774 7.005805 8.05 0.000087 *** colorblue -0.000479 0.005989 53927.996020 -0.08 0.94 colorgreen 0.007455 0.005998 53927.990722 1.24 0.21 colorred 0.000746 0.005986 53927.988909 0.12 0.90 colorwhite 0.000449 0.005971 53927.993708 0.08 0.94
--- 标志。 代码：0 ' ' 0.001 ' ' 0.01 ' ' 0.05 '。 0.1''1

Answer 1

我可以想象出于两个原因之一想要这样做。 首先，将在无序因子的每个级别获得结果的预测值（控制模型中的所有其他内容）。 另一种方法是计算因子水平上的所有成对差异。 如果其中任何一个是您的目标，那么有更好的方法可以做到。 让我们来看第一个 - 为保持其他一切不变的因素的每个值生成预测结果。 让我们从使用diamonds数据开始，并使用现有的color变量，但将其设为无序因子。

library(lme4)
library(lmerTest)    
library(multcomp)
library(ggeffects)


  #creating unordered factor
data(diamonds, package="ggplot2")
diamonds$color <- as.factor(as.character(diamonds$color))

现在，我们可以运行 model：

#lmer formula with factor in fixed effects
mod=lmer(data=diamonds,carat~color+(1|clarity))

multcomp glht中的 function glht 测试因子水平之间的成对差异。 这是 output。

summary(glht(mod, linfct = mcp(color="Tukey")))
#> 
#>   Simultaneous Tests for General Linear Hypotheses
#> 
#> Multiple Comparisons of Means: Tukey Contrasts
#> 
#> 
#> Fit: lmer(formula = carat ~ color + (1 | clarity), data = diamonds)
#> 
#> Linear Hypotheses:
#>            Estimate Std. Error z value Pr(>|z|)    
#> E - D == 0 0.025497   0.006592   3.868  0.00216 ** 
#> F - D == 0 0.116241   0.006643  17.497  < 0.001 ***
#> G - D == 0 0.181010   0.006476  27.953  < 0.001 ***
#> H - D == 0 0.271558   0.006837  39.721  < 0.001 ***
#> I - D == 0 0.392373   0.007607  51.577  < 0.001 ***
#> J - D == 0 0.511159   0.009363  54.592  < 0.001 ***
#> F - E == 0 0.090744   0.005997  15.130  < 0.001 ***
#> G - E == 0 0.155513   0.005789  26.863  < 0.001 ***
#> H - E == 0 0.246061   0.006224  39.536  < 0.001 ***
#> I - E == 0 0.366876   0.007059  51.975  < 0.001 ***
#> J - E == 0 0.485662   0.008931  54.380  < 0.001 ***
#> G - F == 0 0.064768   0.005807  11.154  < 0.001 ***
#> H - F == 0 0.155317   0.006258  24.819  < 0.001 ***
#> I - F == 0 0.276132   0.007091  38.939  < 0.001 ***
#> J - F == 0 0.394918   0.008962  44.065  < 0.001 ***
#> H - G == 0 0.090548   0.006056  14.952  < 0.001 ***
#> I - G == 0 0.211363   0.006910  30.587  < 0.001 ***
#> J - G == 0 0.330150   0.008827  37.404  < 0.001 ***
#> I - H == 0 0.120815   0.007276  16.606  < 0.001 ***
#> J - H == 0 0.239602   0.009107  26.311  < 0.001 ***
#> J - I == 0 0.118787   0.009690  12.259  < 0.001 ***
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> (Adjusted p values reported -- single-step method)

如果你想要carat对于不同color值的所有预测值，你可以使用 ggeffects package 中的ggeffects ggpredict() ：

g <- ggpredict(mod, terms = "color")
plot(g)

绘制g object 产生 plot，但打印它会显示值和置信区间/

^{由reprex package (v2.0.1) 创建于 2023-02-01}