Postho c для вложенного ANOVA с использованием функции lmer - PullRequest
Новая
       98

Postho c для вложенного ANOVA с использованием функции lmer

0 голосов
/ 25 февраля 2020

Я вчера опубликовал вопрос о Postho c для вложенного ANOVA в R с использованием функции lme. Чтобы оценить результаты, я хочу сделать еще один postho c, используя функцию lmer.

К сожалению, это не работает. Для этого я использовал те же данные: 

Treatment   Session   player.cumulative_donation:
CG             uk4rlbdo         2.5
CG             uk4rlbdo         1.4 
CG             uk4rlbdo         0
CG             uk4rlbdo         1
CG             dg0bqvit         0
CG             dg0bqvit         0
CG             dg0bqvit         0.5
CG             dg0bqvit         0
TG1            g6n3z46r         1
TG1            g6n3z46r         0
TG1            g6n3z46r         0
TG1            g6n3z46r         0.2

Я использую Rcompanion в качестве источника. Я все делаю довольно хорошо, но проблемы начинаются с команды 

> difflsmeans(model,
+             test.effs="Treatment")

. Если я хочу запустить то же самое, но с обработкой вместо этого, я не получаю ни результата, ни сообщения об ошибке: 

> difflsmeans(model,
+             test.effs="Treatment")
Least Squares Means table:

     Estimate Std. Error df t value lower upper Pr(>|t|)

  Confidence level: 95%
  Degrees of freedom method: Satterthwaite

Я предполагаю, что что-то пошло не так с вычислительной «моделью». Я сделал это с помощью этой команды: 

> model = lmer(Donation ~ Treatment + (1|Session),
+              data=SPSS_Data,
+              REML=TRUE)

и получил это как вывод: 

Linear mixed model fit by REML ['lmerModLmerTest']
Formula: Donation ~ Treatment + (1 | Session)
   Data: SPSS_Data
REML criterion at convergence: 333.7406
Random effects:
 Groups   Name        Std.Dev.
 Session  (Intercept) 0.1756  
 Residual             1.6512  
Number of obs: 88, groups:  Session, 27
Fixed Effects:
 (Intercept)  TreatmentTG1  TreatmentTG2  TreatmentTG3  TreatmentTG4  
      0.7492        1.3344        0.2981        1.4943        0.5274

Заранее спасибо за любую помощь!

...