如何解释最小二乘均值和标准误差

Question

我正在尝试了解我从虚假数据集获得的结果。我有两个自变量，hours、type 和响应 pain。

第一个问题：82.46721 作为第一种类型的 lsmeans 是如何计算出来的？

第二个问题：为什么两种类型的标准误差完全相同 (8.24003)？

第三个问题：为什么两种类型的自由度都是3？

data = data.frame(
  type = c("A", "A", "A", "B", "B", "B"),
  hours = c(60,72,61, 54,68,66),
  # pain = c(85,95,69, 73, 29, 30)
  pain = c(85,95,69, 85,95,69)
)

model = lm(pain ~ hours + type, data = data)  
lsmeans(model, c("type", "hours"))

> data
  type hours pain
1    A    60   85
2    A    72   95
3    A    61   69
4    B    54   85
5    B    68   95
6    B    66   69

> lsmeans(model, c("type", "hours"))
 type hours   lsmean      SE df lower.CL upper.CL
 A     63.5 82.46721 8.24003  3 56.24376 108.6907
 B     63.5 83.53279 8.24003  3 57.30933 109.7562

Answer 1

试试这个：

newdat <- data.frame(type = c("A", "B"), hours = c(63.5, 63.5))
predict(model, newdata = newdat)

这里需要注意的重要一点是，您的模型将 hours 作为连续预测变量，而不是因子。

如何解释最小二乘均值和标准误差

How To Interpret Least Square Means and Standard Error

lsmeans