在萨默尔的房子里？

Question

附加关键词：最佳线性无偏估计(蓝色)、调整均值、混合模型、固定效应、线性组合、对比度、R

在用mmer() of 套餐进行模型拟合之后，是否可以从mmer对象中获得) / 最小二乘法(LS-均值)？也许类似于函数与ASReml v3

实际上，我想要多个东西，也许分开问比较清楚：

1. 是指他们自己和他们的
2. 标准误差(s.e.)
3. 作为每一级别的手段旁边的一列
4. 均值的方差-协方差矩阵(见predict(..., vcov=T))
5. 对比均值及其
6. 差分的标准误差(s.e.d.)
7. 均数之间的所有两两差异，最好是一个事后特别测试(参见emmeans(mod, pairwise ~ effect, adjust="Tukey") )。
8. S.e.d.矩阵(见predict(..., sed=T))
9. 最低、平均和最高的第e.d节
10. 风俗对比

因此，基本上，predict()和emmeans()的结合才是这里的目标。

提前感谢！

Answer 1

在sommer >= 3.7中，已经实现了预测函数，以获得对固定或随机效应的预测，就像asreml那样。它需要一个模型和分类参数来知道用于聚合超表的参数，并提出正确的标准错误。例如：

data(DT_cpdata)
#### create the variance-covariance matrix
A <- A.mat(GT) # additive relationship matrix
#### look at the data and fit the model
head(DT)
mix1 <- mmer(Yield~1,
              random=~vs(id,Gu=A)
                      + Rowf + Colf,
              rcov=~units,
              data=DT)
summary(mix1)

preds <- predict(mix1,classify = "id")
> head(preds$predictions)
    id predicted.value.Yield standard.errors.Yield
1 P003             111.15400              28.16363
2 P004             135.21958              29.81544
3 P005             109.72743              29.68574
4 P006             144.98582              27.99627

preds <- predict(mix1,classify = "Rowf")
> head(preds$predictions)
  Rowf predicted.value.Yield standard.errors.Yield
1    1              81.71645              23.22997
2    2              96.79625              22.92514
3    3             128.89043              22.64216
4    4             132.65795              22.73903

等等..。RtermsToForce和FtermsToForce参数可以用于强制在预测中使用特定的、固定的或随机的项。定制对比，我想下一个版本。

Answer 2

这似乎是可能的。下面是该包的一个示例：

library(sommer) # Version 4.1.2
data(DT_cornhybrids)
DT <- DT_cornhybrids
DTi <- DTi_cornhybrids
GT <- GT_cornhybrids
hybrid2 <- DT
A <- GT
K1 <- A[levels(hybrid2$GCA1), levels(hybrid2$GCA1)]
K2 <- A[levels(hybrid2$GCA2), levels(hybrid2$GCA2)]
S <- kronecker(K1, K2, make.dimnames=TRUE)   

ans <- mmer(Yield ~ Location, 
             random = ~ vs(GCA1,Gu=K1) + vs(GCA2,Gu=K2) + vs(SCA,Gu=S),
             rcov=~units,
            data=hybrid2)
summary(ans)

## ...
## Fixed effects:
##   Trait      Effect   Estimate Std.Error    t.value
## 1 Yield (Intercept)  1.379e+02     1.962  7.031e+01
## 2 Yield   Location2  1.776e-14     2.099  8.461e-15
## 3 Yield   Location3  7.835e+00     2.099  3.732e+00
## 4 Yield   Location4 -9.097e+00     2.099 -4.333e+00
## ...

返回的对象具有元素$Beta和$VarBeta，它们返回固定的效果及其协方差。我们可以使用emmeans::qdrg()创建一个参考网格

rg <- qdrg(~ Location, data = hybrid2, coef = ans$Beta$Estimate, 
    vcov = ans$VarBeta)
rg
## 'emmGrid' object with variables:
##    Location = 1, 2, 3, 4

emmeans(rg, trt.vs.ctrl1 ~ Location)
## $emmeans
##  Location emmean   SE  df asymp.LCL asymp.UCL
##  1           138 1.96 Inf       134       142
##  2           138 1.96 Inf       134       142
##  3           146 1.96 Inf       142       150
##  4           129 1.96 Inf       125       133

## Confidence level used: 0.95 

## $contrasts
##  contrast estimate  SE  df z.ratio p.value
##  2 - 1        0.00 2.1 Inf  0.000  1.0000 
##  3 - 1        7.84 2.1 Inf  3.732  0.0006 
##  4 - 1       -9.10 2.1 Inf -4.333  <.0001 

## P value adjustment: dunnettx method for 3 tests 

位置1的EMM及其SE匹配summary()截距，其余的回归系数和SE匹配对比结果，这一事实令人放心。

有关详细信息，请参阅qdrg文档。