具有多观测值的lmerTest模型的误差后自组织方法

Question

我运行了一个混合模型与lmerTest，我需要一个后特别的测试。

下面是模型，每一次试用都是连续的。然后，我使用number，但得到以下错误(可能是由于大量的观察)。

我会感激帮助或其他方式运行后挂钩，因为其他方式，我也尝试了不起作用。当我试图添加参数'lmerTest.limit = 13812‘时，它根本不起作用。

lmerTest :: lmer (RT ~ condition * pronoun * objectification_center +
(1+ pronoun| subject_ID),
data = data)```


emm1 = emmeans(mixed_model_RT_comp, specs = pairwise ~ condition:pronoun)

 Note: D.f. calculations have been disabled because the number of observations exceeds 3000.
To enable adjustments, add the argument 'pbkrtest.limit = 13812' (or larger)
[or, globally, 'set emm_options(pbkrtest.limit = 13812)' or larger];
but be warned that this may result in large computation time and memory use.
Note: D.f. calculations have been disabled because the number of observations exceeds 3000.
To enable adjustments, add the argument 'lmerTest.limit = 13812' (or larger)
[or, globally, 'set emm_options(lmerTest.limit = 13812)' or larger];
but be warned that this may result in large computation time and memory use.
NOTE: Results may be misleading due to involvement in interactions```

Answer 1

从我在这个问题上读到的，你确实得到了结果。只要做：

emm1

你就会看到他们。

OP中显示的消息只是--消息，而不是错误。因为你有这么多的观察，所以它使用渐近结果(z检验，而不是t检验，用Inf自由度表示)。这绕过了使用Kenward-Roger或Satterthwaite自由度所需的极其繁重的计算。通过指定emmeans(..., lmer.df = "asymp")，您可以获得相同的结果，而不需要前两条消息中的任何一条。

当你说“当我试图添加论点lmerTest.limit = 13812时，它根本不起作用”，我怀疑真正发生的事情是计算机似乎被锁住了，这是因为获得Satterthwaite自由度所需的大量计算。

第三条信息说，当涉及到交互时，计算边际均值可能不是一个好主意。您应该做一些图表或测试，或者做一些其他的事情，以确保在objectification_center上平均化是明智的。看看summary(mixed_model_RT_comp)，看看与objectification_center交互的测试。如果其中任何一个是重要的，那么您可能不应该对这个因素进行平均处理，而应该使用specs = pairwise ~ condition:pronoun | objectification_denter。如果这些相互作用没有意义，那么考虑在没有这些交互作用的情况下重新拟合模型。