问题描述
很抱歉，如果这是重复的问题。许多人已经发布了寻找方法来对glmmTMB中的条件模型（固定因子）进行事后分析。我想在某些组之间进行计划内的对比，而不是测试每个成对的对比（例如Tukey）。但是，它在下面的代码上返回错误。
modelparm.default（model，...）中的错误：$ b系数和协方差矩阵的$ b维数与
不匹配吗？ glmmTMB？
#filtdens是一个数据框，而TRT，DATE，BURN，VEG是
filtdens的因子<-合并％>％过滤器（！BLOCK％in％c（ JB2， JB4， JB5）& MEAS == DENS&
group == TOT& = = N& VEG == C）
filtdens $ TD<-交互作用（filtdens $ TRT，filtdens $ DATE）
mod2<-glmmTMB（count〜（TD）+（ 1 | BLOCK），
data = filtdens，
zi =〜1，
family = nbinom1（link = log））
k1 0，0，1，0，0，0，0，0，0，0 ，0，0，
0，-1，1，0，0，0，0，0，0，0，0，0，
0，0，0，-1 ，1、0、0、0、0、0、0、0，
0、0、0，-1、0、1、0、0， 0，0，0，0，
0，0，0，0，-1，1，0，0，0，0，0，0，
0，0，0 ，0，0，0，-1，1，0，0，0，0，
0，0，0，0，0，0，-1，0，1，0，0，0，
0，0，0，0，0，0，0，-1，1，0，0，0，
0，0，0，0，0，0，0， 0，0，-1，1，0，
0，0，0，0，0，0，0，0，0，-1，0，1，
0，0，0， 0，0，0，0，0，0，0，-1，1），byrow = T，ncol = 12）
summary（glht（mod2，linfct = k1），test = adjusted （ bonferroni））
一个可复制的示例是有用，但是：开发版本中的提供应启用 multcomp :: linfct 的代码，即：
glht_glmmTMB<-函数（model，...，component = cond）{
glht（model，...，
coef。 = function（x）fixef（x）[[component]]，
vcov。 = function（x）vcov（x）[[component]]，
df = NULL）
}
modelparm.glmmTMB<-function（model，
coef。= function （x）fixef（x）[[component]]，
vcov。= function（x）vcov（x）[[component]]，
df = NULL，component = cond，.. 。）{
multcomp ::: modelparm.default（model，coef。= coef。，vcov。= vcov。，
df = df，...）
}
测试（此示例与Tukey一起使用，但是我不明白为什么它不应该更普遍地工作... ）
库（glmmTMB）
data（ cbpp，package = lme4）
cbpp_b1 <-glmmTMB（incidence / size〜period +（1 | herd），
weights = size，family = binomial，
data = cbpp）
g1<-glht（cbpp_b1，linfct = mcp（period = Tukey））
summary（g1）
当前的CRAN版本，但当前的开发版本版本的 glmmTMB 提供了更多选项（例如 emmeans（）;请参阅上面链接的小插图）。您需要通过 devtools :: install_github（ glmmTMB / glmmTMB / glmmTMB）安装（还需要安装编译工具）。
Apologies if this is a repeat question. Many have posted looking looking for a way to do post-hoc analyses on the conditional model (fixed factors) in glmmTMB. I want to do plannned contrasts between certain groups, not test every pairwise comparison (e.g. Tukey).
The code below worked well on nlme:lme for a lmm. However, it returns an error on the code below.
Error in modelparm.default(model, ...) :
dimensions of coefficients and covariance matrix don't match
Is there a way to do planned contrasts on a glmmTMB?
#filtdens is a dataframe and TRT,DATE,BURN,VEG are factors
filtdens <- merged %>% filter(!BLOCK %in% c("JB2","JB4","JB5") & MEAS =="DENS" &
group == "TOT" & BURN == "N" & VEG == "C")
filtdens$TD <- interaction(filtdens$TRT, filtdens$DATE)
mod2 <- glmmTMB(count~(TD)+(1|BLOCK),
data=filtdens,
zi=~1,
family=nbinom1(link = "log"))
k1 <- matrix(c(0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, -1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, -1, 1, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, -1, 0, 1, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, -1, 1, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, -1, 1, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, -1, 0, 1, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, -1, 1, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, -1, 1, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, -1, 0, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, -1, 1), byrow = T, ncol = 12)
summary(glht(mod2, linfct=k1),test=adjusted("bonferroni"))
A reproducible example would be helpful, but: this vignette in the development version offers code that ought to enable multcomp::linfct, i.e.:
glht_glmmTMB <- function (model, ..., component="cond") {
glht(model, ...,
coef. = function(x) fixef(x)[[component]],
vcov. = function(x) vcov(x)[[component]],
df = NULL)
}
modelparm.glmmTMB <- function (model,
coef. = function(x) fixef(x)[[component]],
vcov. = function(x) vcov(x)[[component]],
df = NULL, component="cond", ...) {
multcomp:::modelparm.default(model, coef. = coef., vcov. = vcov.,
df = df, ...)
}
Test (this example is with Tukey, but I don't see why it shouldn't work more generally ...)
library(glmmTMB)
data("cbpp",package="lme4")
cbpp_b1 <- glmmTMB(incidence/size~period+(1|herd),
weights=size,family=binomial,
data=cbpp)
g1 <- glht(cbpp_b1, linfct = mcp(period = "Tukey"))
summary(g1)
This works with the current CRAN version, but the current development version of glmmTMB offers more options (e.g. emmeans(); see the above-linked vignette). You'll need to install via devtools::install_github("glmmTMB/glmmTMB/glmmTMB") (you'll need compilation tools installed as well).
这篇关于glmmTMB上的计划的对比度的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！