আমি একটি স্থির প্রভাব (শর্ত) এবং দুটি এলোমেলো প্রভাব (বিষয় নকশা এবং জুটির মধ্যে অংশগ্রহণকারী) সহ একটি মিশ্র ইফেক্ট মডেল ব্যবহার করে একটি ডেটা সেট বিশ্লেষণ করছি। মডেল দিয়ে তৈরি করা হয়েছিল lme4প্যাকেজ: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)।
এরপরে, আমি স্থির প্রভাব (শর্ত) ছাড়াই মডেলটির বিপরীতে এই মডেলের সম্ভাবনা অনুপাতের পরীক্ষা করেছি এবং একটি উল্লেখযোগ্য পার্থক্য রয়েছে। আমার ডেটা সেটটিতে 3 টি শর্ত রয়েছে তাই আমি একাধিক তুলনা করতে চাই তবে কোন পদ্ধতিটি ব্যবহার করতে হবে তা সম্পর্কে আমি নিশ্চিত নই । আমি ক্রসভিলেটেড এবং অন্যান্য ফোরামে অনুরূপ বেশ কয়েকটি প্রশ্ন পেয়েছি তবে আমি এখনও বেশ বিভ্রান্ত।
আমি যা দেখেছি, সেগুলি থেকে লোকেরা ব্যবহারের পরামর্শ দিয়েছেন
1.lsmeans প্যাকেজ - lsmeans(exp.model,pairwise~condition)যা আমার নিম্নলিখিত আউটপুট দেয়:
condition lsmean SE df lower.CL upper.CL
Condition1 0.6538060 0.03272705 47.98 0.5880030 0.7196089
Condition2 0.7027413 0.03272705 47.98 0.6369384 0.7685443
Condition3 0.7580522 0.03272705 47.98 0.6922493 0.8238552
Confidence level used: 0.95
$contrasts
contrast estimate SE df t.ratio p.value
Condition1 - Condition2 -0.04893538 0.03813262 62.07 -1.283 0.4099
Condition1 - Condition3 -0.10424628 0.03813262 62.07 -2.734 0.0219
Condition2 - Condition3 -0.05531090 0.03813262 62.07 -1.450 0.3217
P value adjustment: tukey method for comparing a family of 3 estimates
2.multcomp দুটি ভিন্ন উপায়ে প্যাকেজ - ব্যবহার mcp glht(exp.model,mcp(condition="Tukey"))ফলে
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair),
data = exp, REML = FALSE)
Linear Hypotheses:
Estimate Std. Error z value Pr(>|z|)
Condition2 - Condition1 == 0 0.04894 0.03749 1.305 0.392
Condition3 - Condition1 == 0 0.10425 0.03749 2.781 0.015 *
Condition3 - Condition2 == 0 0.05531 0.03749 1.475 0.303
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
এবং এর lsm glht(exp.model,lsm(pairwise~condition))ফলে ব্যবহার
Note: df set to 62
Simultaneous Tests for General Linear Hypotheses
Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair),
data = exp, REML = FALSE)
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Condition1 - Condition2 == 0 -0.04894 0.03749 -1.305 0.3977
Condition1 - Condition3 == 0 -0.10425 0.03749 -2.781 0.0195 *
Condition2 - Condition3 == 0 -0.05531 0.03749 -1.475 0.3098
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
আপনি দেখতে পাচ্ছেন, পদ্ধতিগুলি বিভিন্ন ফলাফল দেয়। এটি আর এবং পরিসংখ্যানগুলির সাথে আমার প্রথমবারের মতো কাজ করছে যাতে কিছু ভুল হতে পারে তবে আমি কোথায় জানি না। আমার প্রশ্নগুলি হ'ল:
উপস্থাপিত পদ্ধতির মধ্যে পার্থক্য কী? আমি একটি সম্পর্কিত প্রশ্নের উত্তরে পড়েছিলাম এটি স্বাধীনতার ডিগ্রি ( lsmeansবনাম glht) সম্পর্কে।
এই জাতীয় ডেটা সেট / মডেল ইত্যাদির জন্য কোন কোনটি, অর্থাৎ পদ্ধতি 1 ভাল ব্যবহার করার সময় কিছু বিধি বা প্রস্তাবনা রয়েছে? আমার কোন ফলাফলটি রিপোর্ট করা উচিত? আরও ভাল না জেনে আমি সম্ভবত এটি গিয়ে নিরাপদে খেলতে পারা সর্বোচ্চ প-মানটি জানিয়েছি তবে এর আরও ভাল কারণ হ'লে ভাল লাগবে। ধন্যবাদ