文章/答案/技术大牛

发布

问流行趋势中的风俗对比
EN

Stack Overflow用户

提问于 2022-07-19 21:11:37

回答 2查看 74关注 0票数 0

使用此示例数据集

dat <- data.frame(sample=c(1,2,3,4,5,6, 7,8,9,10,11,12,13,14), treatment=c(1,2,3,4,5,6, 1,2,3,4,5,6,7,8), condition=factor(c("A","A","A","A","A","A", "B","B","B","B","B","B","B","B")), scores=c(2,4,3,5,6,13, 41,30,30,23,24,24,10,8))
mod <- lm(scores~treatment*condition, data=dat)

我设置了自定义对比，以查看condition A跨treatment的线性增长和condition B跨treatment变量的线性下降：

con <- matrix(c(contr.poly(6)[,1],rep(0,8),rep(0,6),contr.poly(8)[,1]*-1), ncol=2)
con
            [,1]        [,2]
 [1,] -0.5976143  0.00000000
 [2,] -0.3585686  0.00000000
 [3,] -0.1195229  0.00000000
 [4,]  0.1195229  0.00000000
 [5,]  0.3585686  0.00000000
 [6,]  0.5976143  0.00000000
 [7,]  0.0000000  0.54006172
 [8,]  0.0000000  0.38575837
 [9,]  0.0000000  0.23145502
[10,]  0.0000000  0.07715167
[11,]  0.0000000 -0.07715167
[12,]  0.0000000 -0.23145502
[13,]  0.0000000 -0.38575837
[14,]  0.0000000 -0.54006172

是否可以与emmeans计算这些对比？

我知道我可以做emm <- emtrends(mod, ~ condition, var="treatment")，它符合线性函数，但是如果我想使用我的自定义对比，它们能被合并到emtrends中吗？

emmeans

回答 2

Stack Overflow用户

发布于 2022-07-20 00:35:48

你可以用

contrast(emm, con)

这是因为emtrends()和emmeans()一样，返回emmGrid类的对象，这是contrast()可以使用的对象。

顺便说一句，多项式对比可以通过内置函数获得，所以它们不需要定制设置。你可以做这样的事

contrast(emm, "poly", max.degree = 3)

增编

噢，我忽略了con是一个矩阵的事实。您需要首先将其重新创建为一个命名的list，每个元素都是所需的对比度系数。或以对比度系数作为列的data.frame。

票数 1

Stack Overflow用户

发布于 2022-07-21 20:09:37

现在我正在尝试一个完全不同的答案，因为我从一些评论中知道了更多。

在OP中，我们有一个测试数据集dat，我们对下面的模型进行了拟合，并得到了估计的趋势。

mod <- lm(scores ~ treatment*condition, data = dat)
emt <- emtrends(mod, ~ condition, var = "treatment")   # I renamed it

以下是估计数，以及对这些估计数的直接比较：

> emt
 condition treatment.trend    SE df lower.CL upper.CL
 A                    1.80 0.805 10  0.00604     3.59
 B                   -4.14 0.520 10 -5.30085    -2.98

Confidence level used: 0.95 

> pairs(emt)
 contrast estimate    SE df t.ratio p.value
 A - B        5.94 0.958 10   6.201  0.0001

从评论中得出：

假设我希望得到条件A的线性增长和条件B的线性下降的估计(跨处理).

我相信上述趋势的比较正是这样做的。坡度差估计为5.94。顺便说一句，您可以不使用中的任何东西就可以得到这个估计值，这意味着包：

> summary(mod) $ coefficients
                      Estimate Std. Error    t value     Pr(>|t|)
(Intercept)          -0.800000  3.1355565 -0.2551381 8.037871e-01
treatment             1.800000  0.8051366  2.2356456 4.936755e-02
conditionB           43.192857  4.0889261 10.5633745 9.597218e-07
treatment:conditionB -5.942857  0.9583042 -6.2014308 1.012643e-04

请注意，treatment:condition的估计和测试完全相同。

但是继续这样的评论：

...具有相同对比度的系数: con <- list(c1=c(contr.poly(6),1，contr.poly(8),1*-1))

首先，这是手段的对比，而不是斜坡。第二，我肯定不认为这是你想要的，因为你要在一个等级上放1-6的坡度，把7-14的坡度放在另一个等级上。

如果您希望在一个对比和相同的范围内进行所有操作，请使用emmeans (而不是emtrends)在两个不同的治疗值(例如5和6)和两个条件下估计平均值，并构造适当的对比：

> EMM <- emmeans(mod, ~ treatment*condition, at = list(treatment = 5:6))
> contrast(EMM, list(con = c(c(-1, 1), -c(-1, 1))))
 contrast estimate    SE df t.ratio p.value
 con          5.94 0.958 10   6.201  0.0001

这是因为该模型适用于具有相同斜率的直线，而不管treatment的值如何，且斜率等于两种处理间隔的预测值的差异。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/73043514

复制

相似问题

问流行趋势中的风俗对比
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问流行趋势中的风俗对比EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问流行趋势中的风俗对比
EN