lsmeans 和 difflsmeans return lmer 对象没有输出

Question

我正在尝试计算 lmer 混合模型中固定效应的置信区间，difflsmeans 和 lsmeans 只是 return 一个空的 table。我试过 lme() 但在模型收敛方面遇到了麻烦（因此使用 lmer）。

数据如下所示（其中 bout 是相关的 1 级变量，TWaverage 是感兴趣的独立 2 级变量，性别、位置和 RA 是进一步的嵌套级别）：

ID  bout TWaverage  sex location    RA
1   17  3.748333333 1   Big Society 1337
1   59  3.748333333 1   Big Society 1337
1   14  3.748333333 1   Big Society 1337
1   9   3.748333333 1   Big Society 1337
1   9   3.748333333 1   Big Society 1337
1   14  3.748333333 1   Big Society 1337
1   21  3.748333333 1   Big Society 1337
2   40  3.055833333 0   Big Society 1337
2   63  3.055833333 0   Big Society 1337
2   7   3.055833333 0   Big Society 1337
2   75  3.055833333 0   Big Society 1337
2   13  3.055833333 0   Big Society 1337
2   3   3.055833333 0   Big Society 1337
2   16  3.055833333 0   Big Society 1337
3   103 3.696666667 1   Big Society 1337
3   14  3.696666667 1   Big Society 1337
3   2   3.696666667 1   Big Society 1337
3   32  3.696666667 1   Big Society 1337

我的模型规格如下：

groupSizeRandom = lmer(bout ~ TWaverage + (TWaverage|ID), data, REML = F)

我这样调用 lsmeans（据我所知应该会给出模型中所有固定效应的置信区间）：

lsmeans(groupSizeRandom,test.effs = NULL)

但是，它只是 return 一个空的 table（没有值）：

Least Squares Means table:
     Estimate Standard Error DF t-value Lower CI Upper CI p-value

有人知道为什么吗？或者如何计算我在上面指定的模型的 CI？

Answer 1

这里有一些问题。

如果您只想要固定效应参数的置信区间，您可以通过 confint(groupSizeRandom) 或 Wald CIs 通过 confint(groupSizeRandom,method="Wald") 获得似然分布 CI（参见 ?confint.merMod）。
正如评论中指出的，有两个 lsmeans 函数
- lmerTest::lsmeans 将仅报告 factor 变量的 lsmeans。正如评论中还指出的那样，"factor" 在 R 中具有特定含义 - 它表示分类预测变量（自变量）。 TWaverage 是一个连续预测变量，因此在 R 术语中它不是 "factor"。
- lsmeans::lsmeans 如果您使用 lsmeans(groupSizeRandom,spec="TWaverage") ...

lsmeans 和 difflsmeans return lmer 对象没有输出

lsmeans and difflsmeans return no output for lmer object

r

lme4

confidence-interval

mixed-models