Tukey是测试混合效应ANCOVA后坡度差异的最佳方法吗？

Question

我有一个相当简单的拟合模型，如下所示：

fm <- lmer(Height~Site*HW+(1|Plot))

其中，高度和HW是连续变量，而场地和地块是分类变量。站点有3个级别(A，B，C)我运行了一个类型II Wald X平方图，它表明相互作用项是重要的，我将其解释为站点的高度与HW坡度不同：

> Anova(fm)
Analysis of Deviance Table (Type II Wald chisquare tests)

Response: Height
            Chisq Df Pr(>Chisq)    
Site       26.147  2    2.1e-06 ***
HW         91.089  1    < 2e-16 ***
Site:HW    13.775  2    0.00102 ** 

我感兴趣的是运行一个帖子，看看哪些网站在斜率上有显着差异，哪些没有显着差异。我尝试了以下方法，但当我绘制数据时，它看起来与视觉上发生的情况不太匹配。这是正确的代码吗？

leastsquare = lsmeans(fm,pairwise ~ Site:HW,adjust = "tukey")
leastsquare$contrasts

contrast     estimate     SE     df    t.ratio p.value
A - B        0.00206      0.0113 4.87  0.182   0.9819 
A - C       -0.04496      0.0101 4.88 -4.438   0.0163 
B - C       -0.04703      0.0113 4.87 -4.154   0.0212 

所以这是我的第一个问题:上面的方法是测试我的分类变量的3个级别之间的斜率差异的正确方法吗？

我也有兴趣知道三个地盘水平的均值有何不同(除了上述的斜坡问题外)。我能在网站上运行一个post-hoc tukey吗？如果我这么做就会给我警告。有没有更好的方式来询问主效果，同时考虑到交互作用？

提前谢谢你！

Answer 1

这是因为显示的代码比较的是均值，而不是斜率。看看emtrends (或lstrends)函数。这两种方法都记录在emmeans包中。

emt = emtrends(fm, “Site”, var = HW)
emt    # estimated slopes
pairs(emt)    # pairwise comparisons