Я использую функцию glmer.nb пакета lme4 для проверки фиксированных эффектов лечения (Trt), времени и взаимодействия (TxT) на экспрессию генов у неоднократно отобранных субъектов. Мою общую модель можно посмотреть ниже:
m_overall <- glmer.nb(formula = 'Y ~ TRT * TIME + (1|subject)', data = dataSET)
Чтобы тестирование фиксированных эффектов можно было масштабировать до набора данных Microarry или RNAseq, я бы хотел выполнить LRT эффектов в стиле III типа. Однако я не уверен, как правильно выполнить эти тесты для модели, содержащей термин взаимодействия. Ниже приведен код, который я сейчас рассматриваю, и я был бы признателен за советы и комментарии.
m_overall <- glmer.nb('Y ~ TRT * TIME + (1|subject)', data = dataSET)
m_test_txt <- glmer.nb('Y ~ TRT + TIME + (1|subject)', data = dataSET)
m_test_trt <- glmer.nb('Y ~ TIME + TRT:TIME + (1|subject)', data = dataSET)
m_test_time <- glmer.nb('Y ~ TRT + TRT:TIME + (1|subject)', data = dataSET)
anova(m_overall, m_test_txt) #P-value for TxT
anova(m_overall, m_test_trt) #P-value for Trt
anova(m_overall, m_test_time) #P-value for Time
В качестве альтернативы, я рассмотрел тестирование в стиле II, когда есть незначительные доказательства взаимодействия.
m_overall <- glmer.nb('Y ~ TRT * TIME + (1|subject)', data = dataSET)
m_test_txt <- glmer.nb('Y ~ TRT + TIME + (1|subject)', data = dataSET)
m_test_trt <- glmer.nb('Y ~ TIME + (1|subject)', data = dataSET)
m_test_time <- glmer.nb('Y ~ TRT + (1|subject)', data = dataSET)
anova(m_overall, m_test_txt) #P-value for TxT, P>0.15 (arbitrary threshold) perform following tests
anova(m_test_txt, m_test_trt) #P-value for Trt
anova(m_test_txt, m_test_time) #P-value for Time
Конечно, если у кого-то есть какие-либо комментарии по поводу более подходящих методов статистического тестирования, которые являются относительно масштабируемыми, я был бы признателен за них.
Этот вопрос связан с другим вопросом, который я задавал ранее: Как я могу получить P-значения типа III для модели, подогнанной glmer.nb?