lsmeans和difflsmeans表示不返回lmer对象的输出。

Question

我试图在一个lmer混合模型中计算固定效应的置信区间，而difflsmeans和lsmeans只是返回一个空表。我尝试过lme()，但在模型收敛方面遇到了困难(因此使用了lmer)。

数据看起来如下(布特是因变量1级变量，TWaverage是兴趣和性别的独立2级变量，位置和RA是进一步嵌套的级别)：

ID  bout TWaverage  sex location    RA
1   17  3.748333333 1   Big Society 1337
1   59  3.748333333 1   Big Society 1337
1   14  3.748333333 1   Big Society 1337
1   9   3.748333333 1   Big Society 1337
1   9   3.748333333 1   Big Society 1337
1   14  3.748333333 1   Big Society 1337
1   21  3.748333333 1   Big Society 1337
2   40  3.055833333 0   Big Society 1337
2   63  3.055833333 0   Big Society 1337
2   7   3.055833333 0   Big Society 1337
2   75  3.055833333 0   Big Society 1337
2   13  3.055833333 0   Big Society 1337
2   3   3.055833333 0   Big Society 1337
2   16  3.055833333 0   Big Society 1337
3   103 3.696666667 1   Big Society 1337
3   14  3.696666667 1   Big Society 1337
3   2   3.696666667 1   Big Society 1337
3   32  3.696666667 1   Big Society 1337

我的模型规范如下所示：

groupSizeRandom = lmer(bout ~ TWaverage + (TWaverage|ID), data, REML = F)

我称之为lsmeans (我理解它应该给出模型中所有固定效果的置信区间)：

lsmeans(groupSizeRandom,test.effs = NULL)

但是，它只返回一个空表(没有值)：

Least Squares Means table:
     Estimate Standard Error DF t-value Lower CI Upper CI p-value

有人知道为什么吗？或者如何计算我前面指定的模型的CIs？

Answer 1

这里有几个问题。

• 如果您只想要固定效果参数的置信区间，您可以通过confint(groupSizeRandom)或confint(groupSizeRandom,method="Wald")获得似然曲线CIs (参见?confint.merMod)。
• 正如注释中所指出的，有两个lsmeans函数
  • lmerTest::lsmeans将只报告factor变量的lsmeans。正如注释中所指出的，“因子”在R中有一个特定的含义--它意味着一个范畴预测器(独立)变量。TWaverage是一个连续的预测器，所以从R的角度来说，它不是一个“因素”。
  • 如果你使用lsmeans::lsmeans，lsmeans::lsmeans会给你你想要的.

​