r包emmeans中的weights="cell"和weights="proportional"有什么区别

Question

我想计算具有离散预测变量和不平衡数据的glm 模型中的边际均值。使用emmeans 包的函数emmeans 来获得边际均值给了我设置weights="cell" 和weights="proportional" 的不同结果。包文档说"proportional" 使用与被平均的因子组合的频率（在原始数据中）成比例的权重，"cells" 根据被平均的单元格的频率使用权重。但我不明白它的真正含义是什么？！请在下面查看我的 r 代码的简化版本！ 如有任何帮助，我将不胜感激。

model <- glm(formula=y~x1+x2, data=df, family=gaussian)
library(emmeans)
marginal_means_cells <- summary(emmeans(model, "x1", weights="cells"))
marginal_means_prop  <- summary(emmeans(model, "x1", weights="prop"))

Answer 1

这将在 emmeans 包中的 "messy data" vignette 中进一步讨论。假设在 2 因子设计中，您的单元格频率如下：

             Treatment
   Dose  |  A    B    C   |  sum
   ------------------------------
     a   |  5    0    3   |    8
     b   | 11    3    9   |   23
   ------------------------------
    sum  | 16    3   12   |   31

然后使用“prop”权重，Treatment 的边际均值将全部使用权重 8 和 23 计算，Dose 的边际均值将全部使用权重 16、3 和 12 计算。

使用“细胞”权重，计算治疗的边际均值，其中 A 的权重为 5 和 11，B 的权重为 0 和 3，C 的权重为 3 和 9；并且 Dose 的边际均值通过 a 的权重 5、0、3 和 b 的权重 11、3、9 计算。

如果模型包含Treatment:Dose 交互作用，则甚至无法估计具有 0 个观察值的单元格，因此使用“prop”权重，治疗 B 或剂量 a 的边际均值也不能。但是这些边际均值可以用“细胞”权重来估计。