[英]Is there a R function or package to calculate the p value of a slope in a GLMM with interactions
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!
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.