Saya mencoba menganalisis beberapa data menggunakan model efek campuran. Data yang saya kumpulkan mewakili bobot beberapa hewan muda dari genotipe berbeda dari waktu ke waktu.
Saya menggunakan pendekatan yang diusulkan di sini: https://gribblelab.wordpress.com/2009/03/09/repeat-measures-anova-using-r/
Secara khusus saya menggunakan solusi # 2
Jadi saya punya sesuatu seperti
require(nlme)
model <- lme(weight ~ time * Genotype, random = ~1|Animal/time,
data=weights)
av <- anova(model)
Sekarang, saya ingin memiliki beberapa perbandingan. Menggunakan multcomp
bisa saya lakukan:
require(multcomp)
comp.geno <- glht(model, linfct=mcp(Genotype="Tukey"))
print(summary(comp.geno))
Dan, tentu saja, saya bisa melakukan hal yang sama dengan waktu.
Saya punya dua pertanyaan:
- Bagaimana saya menggunakan
mcp
untuk melihat interaksi antara Waktu dan Genotipe? Ketika saya menjalankan
glht
saya mendapatkan peringatan ini:covariate interactions found -- default contrast might be inappropriate
Apa artinya? Bisakah saya mengabaikannya dengan aman? Atau apa yang harus saya lakukan untuk menghindarinya?
EDIT: Saya menemukan PDF ini yang mengatakan:
Karena tidak mungkin untuk menentukan parameter yang diminati secara otomatis dalam kasus ini, mcp () di multcomp secara default akan menghasilkan perbandingan untuk efek utama saja, mengabaikan kovariat dan interaksi . Sejak versi 1.1-2, seseorang dapat menentukan rata-rata lebih dari istilah interaksi dan kovariat menggunakan argumen interaksi_average = TRUE dan covariate_average = TRUE masing-masing, sedangkan versi yang lebih tua dari 1,0-0 secara otomatis dirata-rata atas istilah interaksi. Kami menyarankan kepada pengguna, bahwa mereka menulis, secara manual, set kontras yang mereka inginkan.Orang harus melakukan ini setiap kali ada keraguan tentang apa ukuran kontras default, yang biasanya terjadi pada model dengan istilah interaksi tingkat tinggi. Kami merujuk ke Hsu (1996), Bab ~ 7, dan Searle (1971), Bab ~ 7.3, untuk diskusi dan contoh lebih lanjut tentang masalah ini.
Saya tidak memiliki akses ke buku-buku itu, tetapi mungkin seseorang di sini memiliki?
Jawaban:
Jika
time
danGenotype
keduanya merupakan prediktor kategori, dan Anda tertarik untuk membandingkan semua pasangan waktu / Genotipe satu sama lain, maka Anda dapat membuat satu variabel interaksi, dan menggunakan kontras Tukey di atasnya:Jika Anda tertarik pada kontras lain, maka Anda dapat menggunakan fakta bahwa
linfct
argumen dapat mengambil matriks koefisien untuk kontras - dengan cara ini Anda dapat mengatur perbandingan yang Anda inginkan.EDIT
Tampaknya ada beberapa kekhawatiran dalam komentar bahwa model yang dilengkapi dengan
TimeGeno
prediktor berbeda dari model asli yang dilengkapi denganTime * Genotype
prediktor. Ini tidak terjadi , modelnya setara. Satu-satunya perbedaan adalah dalam parametrization dari efek tetap, yang diatur untuk membuatnya lebih mudah untuk menggunakanglht
fungsi tersebut.Saya telah menggunakan salah satu dataset bawaan (memiliki Diet dan bukan Genotipe) untuk menunjukkan bahwa kedua pendekatan memiliki kemungkinan yang sama, nilai prediksi, dll:
Satu-satunya perbedaan adalah bahwa hipotesis apa yang mudah diuji. Misalnya, dalam model pertama mudah untuk menguji apakah dua prediktor berinteraksi, dalam model kedua tidak ada tes eksplisit untuk ini. Di sisi lain, efek gabungan dari dua prediktor mudah diuji dalam model kedua, tetapi bukan yang pertama. Hipotesis lain dapat diuji, itu hanya lebih banyak pekerjaan untuk mengaturnya.
sumber
glht
menggunakan derajat kebebasan yang diberikan dalam model lme. Saya tidak yakin derajat kebebasan ini sesuai ...?Animal/time
yang sekarang bukan salah satu faktor. Apakah aku benar-benar sepertiunderstand
ini?all.equal(resid(model1), resid(model2))
dan melihat bahwa keduanya sama sebelum menebak sebaliknya? Hanya parametriisasi efek tetap yang berbeda.TimeDiet
bukan istilah interaksi murni, dan itu tidak setara denganTime:Diet
, tetapi lebih kepadaTime + Diet + Time:Diet
.