GLM中的“对比误差”信息与lsmeans Tukey检验

Question

我定义了一个广义线性模型如下：

glm(formula = ParticleCount ~ ParticlePresent + AlgaePresent + 
ParticleTypeSize + ParticlePresent:ParticleTypeSize + AlgaePresent:ParticleTypeSize, 
family = poisson(link = "log"), data = PCB)

我有以下重要的互动

                                 Df  Deviance  AIC  LRT Pr(>Chi)   
<none>                               666.94  1013.8                  
ParticlePresent:ParticleTypeSize  6  680.59  1015.4 13.649 0.033818 * 
AlgaePresent:ParticleTypeSize     6  687.26  1022.1 20.320 0.002428 **

我正在尝试进行一个后期测试(Tukey)，以比较使用lsmeans包的ParticleTypeSize的交互。然而，当我继续工作时，我会收到以下信息：

library(lsmeans)
leastsquare=lsmeans(glm.particle3,~ParticleTypeSize,adjust ="tukey")

Error in `contrasts<-`(`*tmp*`, value = contrasts.arg[[nn]]) : 
  contrasts apply only to factors

通过应用以下方法，我检查了ParticleTypeSize是否是一个有效因素：

 l<-sapply(PCB,function(x)is.factor(x))
 l
      Sample     AlgaePresent  ParticlePresent ParticleTypeSize 
        TRUE            FALSE            FALSE             TRUE 
   ParticleCount 
       FALSE 

我很困惑，也不知道如何纠正这条错误信息。任何帮助都将不胜感激！

Answer 1

当您指定的变量不是一个因素时，就会发生此错误。你测试并发现它是，所以这是一个谜，我所能猜测的是，数据是变化的，因为你符合模型。因此，尝试用当前的数据集重新拟合模型。

所有这些话，我怀疑你想要做什么。首先，您有ParticleTypeSize与另外两个预测器进行交互，这意味着考虑该因素的边际均值(lsmeans)可能是不可取的。存在交互的事实意味着，这些变量的模式会根据其他变量的值发生变化。

第二，AlgaePresent和ParticlePresent真的是数值变量吗？用他们的名字来说，他们似乎应该是因素。如果它们确实是指示符(0和1)，这是可以的，但是如果您使用的是lsmeans这样的函数，那么将它们编码为因子仍然比较干净，在这些函数中，各种因素和协变量被以截然不同的方式处理。

顺便说一句， being 包正在被废弃，其后继的being包正在出现新的发展。