R：post-使用估计边际均值但不假设方差相等的临时比较

Question

我正在尝试使用 R 来运行 post-在混合方法 Anova 的显着交互之后进行临时比较。我想做 post-hoc 类似于 SPSS [EMMEANS=TABLES(Group*time) COMPARE(Group) ADJ(BONFERRONI)]，使用估计的边际均值但不假设方差相等。

因变量 = 'depvar'。我有 3 个组（'group'）和 3 个时间点（'timept'），它们是对受试者的重复测量（'id'）；

aov_car(depvar ~ group*timept + Error(id/(timept)), data=myData)

如果我使用 pairwise.t.test 我可以分别比较每个时间点的组，但是 R 使用观察到的均值，我不知道如何强制使用我模型的估计边际均值：

for (itimept in unique(myData$timept)){
      idx=myData$timept==itimept
      pairwise.t.test(myData$depvar[idx],myData$group[idx],p.adj="bonferroni")
    }

如果我使用 emmeans 或 lsmeans，则 R 使用估计的边际均值，但假设方差相同（结果中的 SE 都相同）。

myfit=lme(depvar ~ group*timept, random = ~1|id/timept, data=myData)
emmeans(myfit, pairwise~group|timept, adjust="bonferroni")

我如何运行 post 对每个时间点的组间进行临时比较，使用估计的边际均值但不假设方差相等，类似于 SPSS？

谢谢！克里斯蒂娜

Answer 1

不是 emmeans 假设方差相等。这是您安装并随后交给 emmeans 进行进一步分析的模型。我认为使用指定不等方差的 weights 参数来拟合不同的模型。

我相信这个模型可以解决问题：

myfit = lme(depvar ~ group*timept, 
            random = ~1|id/timept, 
            weights = varFunc(~ group*timept),
            data = myData)

R：post-使用估计边际均值但不假设方差相等的临时比较

R: post-hoc comparisons using estimated marginal means but not assuming equal variances

r

anova

posthoc

mixed-models

emmeans