Я запустил модель отрицательной биномиальной регрессии смешанной модели для 44 переменных ответа и сохранил их в списке.
Negbinomialresults50_int<- apply(Genusotu_wt_metadata[,2:45],2, function(x)
NBZIMM::glmm.nb(fixed = x ~ Time*Diet+ offset(log(total.Reads)),
random = ~1|Mouse_ID, data = Genusotu_wt_metadata))
Я хотел выполнить предельные средние значения для каждой переменной ответа
emeans2_orig<-lapply(Negbinomialresults50_int,function(x) emmeans(x,pairwise~Time|Diet))
Я извлек таблицу контрастности из списка для каждой переменной ответа, включая контраст, оценку, SE, DF, t. соотношение. p-значение).
emeans_output <- sapply(emeans2_orig, function(x){c(x$contrasts[1:9])})
Хотя это работало хорошо, я столкнулся с проблемой, которую не могу объяснить. Значения p, когда я печатаю таблицу из списка, не совпадают с теми, которые я извлек. Каждое другое значение из таблицы идентично, включая t.ratio, есть какой-то p-adj, который я пропускаю или я допустил ошибку в своем коде?
вывод из print в консоль
contrast estimate SE df t.ratio p.value
Day_0 - Day_14 -0.1908 0.322 48 -0.593 0.8246
Day_0 - Day_7 -0.0504 0.322 48 -0.157 0.9866
Day_14 - Day_7 0.1404 0.322 48 0.436 0.9006
Diet = FFLC:
contrast estimate SE df t.ratio p.value
Day_0 - Day_14 0.8262 0.322 48 2.566 0.0353
Day_0 - Day_7 0.9256 0.322 48 2.874 0.0163
Day_14 - Day_7 0.0994 0.322 48 0.309 0.9489
Diet = HF:
contrast estimate SE df t.ratio p.value
Day_0 - Day_14 0.9175 0.322 48 2.849 0.0174
Day_0 - Day_7 0.8669 0.322 48 2.692 0.0259
Day_14 - Day_7 -0.0506 0.322 48 -0.157 0.9865
p-значение, извлеченное из списка
Day_0 - Day_14 0.999570068
Day_0 - Day_7 0.999999986
Day_14 - Day_7 0.999957127
Day_0 - Day_14 0.22805909
Day_0 - Day_7 0.121019431
Day_14 - Day_7 0.999997047
Day_0 - Day_14 0.127782803
Day_0 - Day_7 0.177925556
Day_14 - Day_7 0.999999986
Буду признателен за любые идеи.