使用glht與重復測量方差分析進行多次比較

Question

我正在使用以下代碼來嘗試對單元格平均值進行事后比較：

result.lme3<-lme(Response~Pressure*Treatment*Gender*Group, mydata, ~1|Subject/Pressure/Treatment)
aov.result<-aov(result.lme3, mydata)
TukeyHSD(aov.result, "Pressure:Treatment:Gender:Group")

這給了我一個結果，但是大多數調整后的p值都非常小-因此我不確定結果是否正確。

或者，我正在嘗試這樣做：

summary(glht(result.lme3,linfct=mcp(????="Tukey")

我不知道如何在glht代碼中獲取Pressure：Treatment：Gender：Group。

非常感謝您的幫助-即使它只是我以前沒有找到的問題的鏈接。

我有504個觀察值，壓力有4個級別，並且每個對象都重復進行；治療有2個級別，並且每個對象都重復進行；組有3個級別，並且性別明顯。

謝謝

Answer 1

我解決了一個類似的問題，即使用interact（）函數創建一個交互虛擬變量，該函數包含您4個變量的所有級別的組合。

我進行了許多測試，針對此變量各個級別顯示的估算值顯示了活動級別的聯合效應以及相互作用效應。

例如，如果：

temperature ~ interaction(infection(y/n), acetaminophen(y/n))

（為清楚起見，我將可能的左括號放在了括號中）相互作用的變量將具有類似“ infection.y：acetaminophen.y”的水平，該水平顯示了對感染，對乙酰氨基酚以及兩者的相互作用與攔截（兩個變量均為n）。

相反，如果模型是：

temperature ~ infection(y/n) * acetaminophen(y/n)

如果兩個var均為y時具有相同的系數，則必須將兩個簡單效果加交互效果相加。 結果是一樣的，但是我更喜歡使用交互，因為它更加干凈優雅。

您使用的方式：

summary(glht(model, linfct= mcp(interaction_var = 'Tukey'))

實現您的事后體驗，其中interact_var <-互動（感染，對乙酰氨基酚）。

注意：我從未使用嵌套和混合模型測試過這種方法，所以要當心！