是否有 R 函數或包來計算 GLMM 中斜率的 p 值與交互

Question

考慮我有一個帶有兩個連續變量的線性混合模型，並對兩個因子分別使用兩個類別（A，B）的對比編碼。 隨機效應是可選的。

contrasts(data$fac1) <- c(-.5,.5)
contrasts(data$fac2) <- c(-.5,.5)

model<-lme(Y~x1+x2+x1:fac1+x2:fac1+x1:fac2+x2:fac2+fac1+fac2+fac1:fac2, random=~1|group,data)

那么輸出將為我提供 x1 和 x2 的主要影響以及 fac1 和 fac2 的斜率之間的差異。

但是如何計算 x1 fac1=="A" 和 fac2=="B" 的斜率的單個 p 值？

是否有 R 包或者我必須手動計算它們？

如果是的話怎么辦？ - 對vcov()的調用添加相應的矩陣條目並調用pt() （使用哪個 df）？ 謝謝！

Answer 1

你可以試試marginaleffects包。 （免責聲明：我是作者。）

網站上有很多小插曲，包括一個帶有lme4包的混合效果模型的簡單示例： https ://vincentarelbundock.github.io/marginaleffects/articles/lme4.html

您可以使用newdata參數和datagrid函數指定協變量的值。 您未在datagrid中指定的協變量將按其方式或模式保存：

library(lme4)
library(marginaleffects)

mod <- glmer(am ~ mpg * hp + (1 | gear),
             data = mtcars,
             family = binomial)

marginaleffects(mod, newdata = datagrid(hp = c(100, 110), gear = 4))
#>   rowid     type term        dydx  std.error statistic   p.value
#> 1     1 response  mpg 0.077446700 0.33253683 0.2328966 0.8158417
#> 2     2 response  mpg 0.337725702 0.90506056 0.3731526 0.7090349
#> 3     1 response   hp 0.006199167 0.02647471 0.2341543 0.8148652
#> 4     2 response   hp 0.025604198 0.06770870 0.3781522 0.7053175
#>      conf.low  conf.high      mpg  hp gear
#> 1 -0.57431351 0.72920691 20.09062 100    4
#> 2 -1.43616041 2.11161181 20.09062 110    4
#> 3 -0.04569032 0.05808865 20.09062 100    4
#> 4 -0.10710242 0.15831082 20.09062 110    4