无法得到调整的手段，因为使用lsmeans

Question

我有一个glm，我想得到调整的手段，使用的方式。下面的代码生成模型(并且似乎做得很正确)：

library(lmerTest)
data$group <- as.factor(data$grp)
data$site <- as.factor(data$site)
data$stimulus <- as.factor(data$stimulus)

data.acc1 = glmer(accuracy ~ site + grp*stimulus + (1|ID), data=data, family=binomial)

然而，当我尝试使用以下任何代码来获得模型的调整方法时，我会得到错误。

lsmeansLT中的错误(模型，test.effs = test.effs，ddf = ddf)： 该模型不是线性混合效应模型。

lsmeans(data.acc1, "stimulus")

或

data.lsm <- lsmeans(data.acc1, accuracy ~ stimulus ~ grp)
pairs(data.lsm)

有暗示吗？

Answer 1

问题是，您使用glmer()创建了一个通用的线性混合模型(在本例中是一个混合logistic回归模型)，而不是使用lmer()的线性混合模型。lsmeans()函数不接受glmer()创建的对象，因为它们不是线性混合模型。

这篇文章中的答案可能会有所帮助：I can't get lsmeans output in glmer

如果您想了解/计算混合GLMs： object的边际效应，这篇文章可能很有用。