r - R中nlme中线性混合模型中交互作用的显着性检验

我使用lme R包中的nlme函数来测试items因子水平是否与condition因子水平有显着相互作用。因子condition具有两个级别:Control和Treatment，因子items具有3个级别:E1,...,E3。我使用以下代码:

f.lme = lme(response ~ 0 + factor(condition) * factor(items), random = ~1|subject)

其中subject是随机效果。这样，当我运行时:

summary(f.lme)$tTable

我将得到以下输出:

factor(condition)Control
factor(condition)Treatment
factor(items)E2
factor(items)E3
factor(condition)Treatment:factor(items)E2
factor(condition)Treatment:factor(items)E3

连同Value, Std.Error, DF, t-value, p-value列。我有两个问题:

如果要比较Control与Treatment，是否应该在estimable()中使用gmodels函数并对比(-1,1,0,0,0,0)？

我对items的E1, E2, E3级别(即condition)的级别是否不同感兴趣，因此我对交互作用术语是否有意义(仅通过检查p-value列??)感兴趣:
factor(condition)Treatment:factor(items)E2factor(condition)Treatment:factor(items)E3

但是，如何判断factor(condition)Treatment:factor(items)E1是否重要？摘要输出中未显示它，我认为它与R中使用的对比度有关...非常感谢!

最佳答案

我恭敬地不同意@ sven-hohenstein



首先，此处使用零截距... ~ 0 + ...来指定固定效果。这意味着condition编码不再是contr.treatment。如果我没记错的话，现在可以将Control和Treatment的主要作用解释为它们各自与组平均值的偏离...



...当items的值处于E1的引用水平时!所以:

主要作用Control =观察到的Control:E1与项目E1的均值相差多少。

主要作用Treatment =观察到的Treatment:E1与项目E1的均值相差多少。

主要作用E2 =观察到的Control:E2与项目E2的均值相差多少。

主要作用E3 =观察到的Control与项目E3的均值相差多少。

交互作用Treatment:E2 =观察到的Treatment:E2偏离项目E2的平均值

交互作用Treatment:E3 =观察到的Treatment:E3与项目E3的平均值相差多少。

感谢您指向estimable的指针，我之前没有尝试过。为了进行自定义对比，我从glht包中获取了(ab)using multcomp 。

关于r - R中nlme中线性混合模型中交互作用的显着性检验，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/17794729/