广义线性混合模型：使用 estimable() 和 glmer() 生成系数的线性组合答案

【问题标题】：Generalized Linear Mixed Model: Using estimable() with glmer() to generate linear combination of coefficients广义线性混合模型：使用 estimable() 和 glmer() 生成系数的线性组合
【发布时间】：2016-03-14 03:04:41
【问题描述】：

我有一个广义线性混合模型，它具有三向交互作用、一个嵌套随机变量和一个二项式响应变量：

modelB15=glmer(cbind(resistant, (total-resistant) )~
               time*inoc_source*inoc_resistance+
               (1|block/plot),
               family = binomial,
               data = B15)

生成系数线性组合的对应矩阵（对比矩阵）为：

time1_sourceHY_mix      = c(1,0,0,0,0,0,0,0,0,0,0,0)
time2_sourceHY_mix      = c(1,1,0,0,0,0,0,0,0,0,0,0)
time1_sourceNV_mix      = c(1,0,1,0,0,0,0,0,0,0,0,0)
time1_sourceHY_negative = c(1,0,0,1,0,0,0,0,0,0,0,0)
time1_sourceHY_positive = c(1,0,0,0,1,0,0,0,0,0,0,0)
time1_sourceNV_negative = c(1,0,1,1,0,1,0,0,0,0,0,0)
time1_sourceNV_positive = c(1,0,1,0,1,0,1,0,0,0,0,0)
time2_sourceNV_mix      = c(1,1,1,0,0,0,0,1,0,0,0,0)
time2_sourceHY_negative = c(1,1,0,1,0,0,0,0,1,0,0,0)
time2_sourceHY_positive = c(1,1,0,0,1,0,0,0,0,1,0,0)
time2_sourceNV_negative = c(1,1,1,1,0,1,0,1,1,0,1,0)
time2_sourceNV_positive = c(1,1,1,0,1,0,1,1,0,1,0,1)

然后我可以提取向量来测试不同的假设，例如“时间 1 与时间 2 是否不同”？

time_HYpositive = time2_sourceHY_negative-time1_sourceHY_positive
time_HYnegative = time2_sourceHY_negative-time1_sourceHY_negative
time_HYmix      = time2_sourceHY_mix-time1_sourceHY_mix
time_NVpositive = time2_sourceNV_negative-time1_sourceNV_positive
time_NVnegative = time2_sourceNV_negative-time1_sourceNV_negative
time_NVmix      = time2_sourceNV_mix-time1_sourceNV_mix

timeDiff=rbind(time_HYpositive, time_HYnegative, time_HYmix,
 time_NVpositive,time_NVnegative,time_NVmix)

我想在 library(gmodels) 中使用 estimable() 对每个系数或系数组合的平均值进行不同的比较：

estimable(modelB15, timeDiff, conf.int=.991)

但我收到以下错误消息：

Error in FUN(newX[, i], ...) : 'param' has no names and does not match number of coefficients of model. Unable to construct coefficient vector

estimable() 与 glm 一起工作得很好，但是 a) 如何修改它以与 lmer() 一起工作 b) 如果 estimable 不能与 GLMM 一起工作，还有哪些其他函数可以完成相同的任务？

我试过glmmPQL()，也没用。

this page 的作者正在尝试完成类似的事情。

This page 有点帮助。

【问题讨论】：

标签： r logistic-regression binomial-coefficients

【解决方案1】：

estimable() 不适用于glmer()

但是，lsmeans() 包与广义线性混合模型兼容，并且可以通过成对比较生成 LS 均值。这使用户能够比较系数组合，而不会生成混乱的矩阵。

Walter W. Stroup 的[Rethinking the analysis of non-normal data in plant and soil science] 有出色的描述，补充文档包含有用的示例 R 代码

【讨论】：