运行 对 glm 进行事后分析时出错
Error when running posthoc analysis for glm
我正在尝试对我的治疗进行事后比较,但当 运行 glht:"Error in modelparm.default(model, ...) : dimensions of coefficients and covariance matrix don't match" 时,我一直收到此错误。
是否有更好的方法进行多重成对比较?我也尝试过使用 emmeans 邻接但我不确定这是否是正确的方法。
这是我的数据的一个子集:
mydata <- read.table(header=TRUE, text="
treatment total.bites hours rep
A 10 3.1 a1
A 1 3.2 a2
A 1024 3.22 a3
B 0 3.13 a1
B 16 3.15 a2
B 1305 3.24 a3
C 0 3.13 a1
C 0 3.26 a2
C 0 3.11 a3
D 2 3.25 a1
D 0 3.17 a2
D 3 3.21 a3
")
mC4 <- glmmTMB(total.bites~treatment + offset(log(hours)) +(1|rep), ziformula=~0, family=nbinom1, data=mydata)
summary(mC4)
summary(glht(mC4, mcp(treatment = "Tukey")))
正如你已经提到的那样emmeans
你可以做到
library(emmeans)
pairs(emmeans(mC4, "treatment"))
#contrast estimate SE df t.ratio p.value
#A - B 0.323 8.94e-01 6 0.361 0.9824
#A - C 20.930 1.51e+04 6 0.001 1.0000
#A - D 0.892 9.05e-01 6 0.985 0.7631
#B - C 20.607 1.51e+04 6 0.001 1.0000
#B - D 0.569 9.92e-01 6 0.573 0.9365
#C - D -20.038 1.51e+04 6 -0.001 1.0000
#
#Results are given on the log (not the response) scale.
#P value adjustment: tukey method for comparing a family of 4 estimates
这里我们以 treatment
为条件并表征所有成对比较,使用 Tukey 方法校正多重假设检验。
我正在尝试对我的治疗进行事后比较,但当 运行 glht:"Error in modelparm.default(model, ...) : dimensions of coefficients and covariance matrix don't match" 时,我一直收到此错误。
是否有更好的方法进行多重成对比较?我也尝试过使用 emmeans 邻接但我不确定这是否是正确的方法。
这是我的数据的一个子集:
mydata <- read.table(header=TRUE, text="
treatment total.bites hours rep
A 10 3.1 a1
A 1 3.2 a2
A 1024 3.22 a3
B 0 3.13 a1
B 16 3.15 a2
B 1305 3.24 a3
C 0 3.13 a1
C 0 3.26 a2
C 0 3.11 a3
D 2 3.25 a1
D 0 3.17 a2
D 3 3.21 a3
")
mC4 <- glmmTMB(total.bites~treatment + offset(log(hours)) +(1|rep), ziformula=~0, family=nbinom1, data=mydata)
summary(mC4)
summary(glht(mC4, mcp(treatment = "Tukey")))
正如你已经提到的那样emmeans
你可以做到
library(emmeans)
pairs(emmeans(mC4, "treatment"))
#contrast estimate SE df t.ratio p.value
#A - B 0.323 8.94e-01 6 0.361 0.9824
#A - C 20.930 1.51e+04 6 0.001 1.0000
#A - D 0.892 9.05e-01 6 0.985 0.7631
#B - C 20.607 1.51e+04 6 0.001 1.0000
#B - D 0.569 9.92e-01 6 0.573 0.9365
#C - D -20.038 1.51e+04 6 -0.001 1.0000
#
#Results are given on the log (not the response) scale.
#P value adjustment: tukey method for comparing a family of 4 estimates
这里我们以 treatment
为条件并表征所有成对比较,使用 Tukey 方法校正多重假设检验。